Les statistiques bayésiennes : introduction et pratique

Les statistiques bayésiennes sont une manière différente de construire la connaissance par rapport aux statistiques conventionnelles :
elles offrent la possibilité de mettre à jour ce que nous savons déjà à la lumière de ce que nous apportent nos expérimentations et observations, le tout dans un calcul très intuitif.
Elles peuvent résoudre un grand nombre de problèmes rencontrés en statistiques classiques (hétérosedastiscité, multicolinéarité, petits échantillons, données manquantes, modèles très complexes…).
On s'attend à ce que ces méthodes remplacent les outils classiques d'inférence dans les années à venir.

Description

Public concerné

Techniciens, ingénieurs ou chercheurs désirant

comprendre de manière intuitive le principe des statistiques bayesiénnes et les intérêts qu’elles présentent par rapport aux statistiques conventionnelles,
mettre en application les méthodes bayésiennes pour répondre à des problématiques plus ou moins complexes.

Prérequis

Avoir suivi la formation Notions fondamentales en statistiques OU savoir poser les hypothèses d'un test statistique et interpréter la p-value obtenue. Avoir suivi la formation Introduction au logiciel R OU savoir utiliser le logiciel R pour importer des données, les visualiser, gérer les packages nécessaires ; savoir modifier des lignes de codes ou savoir écrire ses propres lignes de codes. Un questionnaire préalable permettra leur évaluation.

Objectifs pédagogiques

Etre capable d'expliquer, de manière intuitive, le raisonnement et le calcul mis en jeu en statistiques bayésiennes (sans recours à des formules mathématiques complexes)
Etre capable d'énoncer les différences avec les statistiques inférentielles
Etre capable de construire ses connaissances a priori
Etre capable de mettre en pratique des modèles classiques (régression, ANOVA, etc.) dans un univers bayésien
Etre capable d'interpréter les résultats avec l'inférence bayésienne

Méthode

La formation consiste en des parties théoriques, puis dirigées (démonstration par l’exemple), puis de mise en situation lors d’applications pratiques (exercices en autonomie avec correction de groupe). Après une introduction théorique intuitive, ludique et presque dépourvue de formules mathématiques complexes, des modèles utilisés couramment en statistiques conventionnelles (régression, ANOVA, modèle mixte, etc.) sont mis en application dans un univers bayésien grâce aux logiciels R et JAGS. Des fichiers de lignes de code sont fournis avec explications détaillées, de manière à ce que les participants puissent les adapter à leurs propres problématiques à l’issue de la formation.

Évaluation

L’évaluation se fait au travers de la réalisation d’exercices en autonomie et d’un questionnaire final de validation des acquis.