• xmlui.mirage2.page-structure.header.title
    • français
    • English
  • Aide
  • Connexion
  • Langue 
    • Français
    • English
Consulter le document 
  •   Accueil
  • CEREMADE (UMR CNRS 7534)
  • CEREMADE : Publications
  • Consulter le document
  •   Accueil
  • CEREMADE (UMR CNRS 7534)
  • CEREMADE : Publications
  • Consulter le document
JavaScript is disabled for your browser. Some features of this site may not work without it.

Afficher

Toute la baseCentres de recherche & CollectionsAnnée de publicationAuteurTitreTypeCette collectionAnnée de publicationAuteurTitreType

Mon compte

Connexion

Enregistrement

Statistiques

Documents les plus consultésStatistiques par paysAuteurs les plus consultés
Thumbnail - No thumbnail

The Bayesian Choice: From Decision Theoretic Foundations to Computational Implementation

Robert, Christian P. (2007), The Bayesian Choice: From Decision Theoretic Foundations to Computational Implementation, Springer Verlag : New York, p. 577

Type
Ouvrage
Date
2007
Éditeur
Springer Verlag
Titre de la collection
Springer Texts in Statistics
Ville d’édition
New York
Isbn
978-0-387-71598-8
Pages
577
Métadonnées
Afficher la notice complète
Auteur(s)
Robert, Christian P.
Résumé (FR)
Cet ouvrage couvre l'approche dite bayésienne de l'inférence statistique et en particulier ses aspects décisionnels. Les bases de cette axiomatique (choix de l'a priori, décisions optimales, tests et régions de confiance) sont abordées en détail, ainsi que des ouvertures plus récentes de l'analyse bayésienne comme le choix de modèles, l'utilisation de méthodes numériques stochastiques d'approximation (MCMC), la théorie des lois non informatives (axiomes de Berger-Bernardo) et la relation à la théorie classique de l'admissibilité. Chaque chapitre est complété par une suite extensive d'exercices de difficulté croissante et par des notes bibliographiques sur les thèmes abordés. Ce livre peut être utilisé dans un programme de Master en Mathématiques appliquées, en Biométrie, en Économétrie ou dans tout autre programme faisant appel aux techniques quantitatives de traitement de l'information. Il ne nécessite comme préliminaire qu'un cours de base en théorie des probabilités et en statistique mathématique. Il peut également être utilisé par des étudiants en thèse ou des chercheurs confirmés en quête d'une méthodologie statistique efficace pour l'analyse de leur(s) modèle(s).
Résumé (EN)
Winner of the 2004 DeGroot Prize This paperback edition, a reprint of the 2001 edition, is a graduate-level textbook that introduces Bayesian statistics and decision theory. It covers both the basic ideas of statistical theory, and also some of the more modern and advanced topics of Bayesian statistics such as complete class theorems, the Stein effect, Bayesian model choice, hierarchical and empirical Bayes modeling, Monte Carlo integration including Gibbs sampling, and other MCMC techniques. It was awarded the 2004 DeGroot Prize by the International Society for Bayesian Analysis (ISBA) for setting "a new standard for modern textbooks dealing with Bayesian methods, especially those using MCMC techniques, and that it is a worthy successor to DeGroot's and Berger's earlier texts".
Mots-clés
Théorie de la Décision; Statistique mathématique; Statistique bayésienne
JEL
C11 - Bayesian Analysis: General
C44 - Operations Research; Statistical Decision Theory

Publications associées

Affichage des éléments liés par titre et auteur.

  • Vignette de prévisualisation
    Computational methods for Bayesian model choice 
    Robert, Christian P.; Wraith, Darren (2009) Communication / Conférence
  • Vignette de prévisualisation
    Why approximate Bayesian computational (ABC) methods cannot handle model choice problems 
    Pillai, Natesh S.; Marin, Jean-Michel; Robert, Christian P. (2011-01) Document de travail / Working paper
  • Vignette de prévisualisation
    Bayesian Core: A practical approach to computational Bayesian statistics 
    Marin, Jean-Michel; Robert, Christian P. (2007) Ouvrage
  • Vignette de prévisualisation
    Computational Solutions for Bayesian Inference in Mixture Models 
    Robert, Christian P.; Celeux, Gilles; Kamary, Kaniav; Malsiner-Walli, Gertraud; Marin, Jean-Michel (2019) Chapitre d'ouvrage
  • Vignette de prévisualisation
    Bayesian computational methods (2e ed.) 
    Robert, Christian P. (2010) Chapitre d'ouvrage
Dauphine PSL Bibliothèque logo
Place du Maréchal de Lattre de Tassigny 75775 Paris Cedex 16
Tél. : 01 44 05 40 94
Contact
Dauphine PSL logoEQUIS logoCreative Commons logo