Show simple item record

dc.contributor.authorRobert, Christian P.
dc.date.accessioned2009-09-23T13:41:13Z
dc.date.available2009-09-23T13:41:13Z
dc.date.issued2007
dc.identifier.isbn978-0-387-71598-8en
dc.identifier.urihttps://basepub.dauphine.fr/handle/123456789/1908
dc.descriptionVersion brochée de la seconde édition de 2001en
dc.description.abstractfrCet 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).en
dc.language.isoenen
dc.subjectThéorie de la Décisionen
dc.subjectStatistique mathématiqueen
dc.subjectStatistique bayésienneen
dc.subject.ddc519en
dc.subject.classificationjelC11
dc.subject.classificationjelC44
dc.titleThe Bayesian Choice: From Decision Theoretic Foundations to Computational Implementationen
dc.typeOuvrage
dc.description.abstractenWinner 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".en
dc.publisher.nameSpringer Verlagen
dc.publisher.cityNew Yorken
dc.identifier.citationpages577en
dc.relation.ispartofseriestitleSpringer Texts in Statisticsen
dc.description.sponsorshipprivateouien
dc.subject.ddclabelProbabilités et mathématiques appliquéesen
dc.identifier.citationdate2007-08


Files in this item

FilesSizeFormatView

There are no files associated with this item.

This item appears in the following Collection(s)

Show simple item record