Résumé en français

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). La version anglaise de cet ouvrage, The Bayesian Choice, a été publiée en 2001 par Springer New York. L’auteur a obtenu le Prix DeGroot 2004 décerné par l'International Society for Bayesian Analysis. Le comité de sélection a estimé que : « Le livre de Christian Robert établit un nouveau standard moderne de livre de référence sur le thème des méthodes bayésiennes, en particulier celles utilisant les techniques MCMC, ce qui place l’auteur en digne successeur des écrits de DeGroot et Berger ».