Fabien Campillo ; Rivo Rakotozafy ; Vivien Rossi
-
Computational probability modeling and Bayesian inference
arima:1917 -
Revue Africaine de Recherche en Informatique et Mathématiques Appliquées,
9 novembre 2008,
Volume 9, 2007 Conference in Honor of Claude Lobry, 2008
-
https://doi.org/10.46298/arima.1917
Computational probability modeling and Bayesian inferenceArticle
La modélisation probabiliste et l'inférence bayésienne computationnelles rencontrent un très grand succès depuis une quinzaine d'années grâce au développement des méthodes de Monte Carlo et aux performances toujours croissantes des moyens de calcul. Au travers d'outils comme les méthodes de Monte Carlo par chaîne de Markov et les méthodes de Monte Carlo séquentielles, l'inférence bayésienne se combine efficacement à la modélisation markovienne. Cette approche est également très répandue dans le domaine de l'écologie et l'agronomie. Nous faisons le point sur les développements de cette approche appliquée à quelques exemples de gestion de ressources naturelles.
Volume : Volume 9, 2007 Conference in Honor of Claude Lobry, 2008
Publié le : 9 novembre 2008
Soumis le : 13 avril 2008
Mots-clés : Computational Markovian modeling,Computational Bayesian inference,Hierarchical Bayesian modeling,Monte Carlo Markov chain,Sequential Monte Carlo,Computational ecology, Modélisation computationnelle markovienne,inférence bayésienne computationnelle,modélisation bayésienne hiérarchique,méthode de Monte Carlo par chaîne de Markov,méthode de Monte Carlo séquentielle,écologie numérique,[MATH.MATH-PR] Mathematics [math]/Probability [math.PR],[INFO] Computer Science [cs],[MATH] Mathematics [math]
Références bibliographiques
1 Document citant cet article
Fabien Campillo;Rivo Rakotozafy;Vivien Rossi, 2009, Parallel and interacting Markov chain Monte Carlo algorithm, Mathematics and Computers in Simulation, 79, 12, pp. 3424-3433, 10.1016/j.matcom.2009.04.010.