 | | |
| ENVT0016-1 | Statistiques bayesiennes appliquées à l'environnement
|
|
| Durée : | 24h Th, 6h Pr |
|
| Nombre de crédits : |
| Master en sciences et gestion de l'environnement | | Deuxième quadrimestre | | 2 |
|
| Master en sciences et gestion de l'environnement, à finalité spécialisée en développement durable, 1re année | | Deuxième quadrimestre | | 2 |
|
| Master en sciences et gestion de l'environnement, à finalité spécialisée en énergies renouvelables, 1re année | | Deuxième quadrimestre | | 2 |
|
| Master en sciences et gestion de l'environnement, à finalité spécialisée en intervention technique, 1re année | | Deuxième quadrimestre | | 2 |
|
| Master en sciences et gestion de l'environnement, à finalité spécialisée en interfaces sociétés-environnements, 1re année | | Deuxième quadrimestre | | 2 |
|
| Master en sciences et gestion de l'environnement, à finalité spécialisée en surveillance de l'environnement, 1re année | | Deuxième quadrimestre | | 2 |
|
| Master en sciences et gestion de l'environnement, à finalité spécialisée en procédés biologiques de valorisation des déchets, 1re année | | Deuxième quadrimestre | | 2 |
|
|
|
| Nom du professeur : | Jean‑Jacques Boreux |
|
Langue(s) du cours :
|
| Langue française |
|
Contenus du cours :
|
| Ce cours comprend deux parties.
La première concerne les modèles de mélange dont les composantes, en nombre fini, appartiennent toutes au même groupe de lois de la famille exponentielle. En effet, beaucoup de phénomènes réels sont trop complexes que pour être simulés correctement à partir des modèles standards tels que la loi normale. L'inférence d'un modèle de mélange est réalisée sous le paradigme bayésien via les méthodes MCMC (échantillonneur de Gibbs et algorithmes de Metropolis-Hastings) souvent précédées d'une étape EM (expectation-maximisation). Diverses applications en sciences de l'environnement et en sciences économiques illustrent l'efficacité de ces modèles dans l'aide à la décision.
La seconde partie est dédiée à la modélisation des valeurs extrêmes. En effet, la protection contre les dommages engendrés par des événements extrêmes est au cœur de l'aide à la décision. Les modèles GEV (generalized extremes value) et POT (peak over threshold) sont analysés, résolus et illustrés sous le paradigme bayésien. |
|
Acquis d'apprentissage (objectifs d'apprentissage) du cours :
|
| Le but du cours est de donner des outils performants aux personnes intéressées par l'aide à la décision en avenir incertain, non seulement en sciences et gestion de l'environnement, mais aussi en dans toutes les sciences où le décideur veut assoir ses choix sur des bases solides. |
|
Prérequis et corequis / Modules de cours optionnels recommandés :
|
| Avoir suivi un cours de statistique bayésienne élémentaire et savoir se servir d'un logiciel comme R ou Matlab. |
|
Activités d'apprentissage prévues et méthodes d'enseignement :
|
| Les parties théoriques (présence du professeur) et pratiques (exercices en salle informatique ou à domicile) sont à peu près équivalentes en temps. Les exemples traités au cours sont volontairement simplifiés pour aller à l'essentiel. Les travaux personnels concernent des problèmes plus réalistes, voire réels. |
|
Mode d'enseignement (présentiel ; enseignement à distance) :
|
| Le cours est donné en modules couvrant chacun une demi-journée de 4 heures (1 crédit=3 demi-journées), sur une période concentrée dans le temps. Les travaux pratiques et personnels à la salle informatique (campus d'Arlon) ou à domicile sont inclus dans l'horaire et les crédits prévus. |
|
Lectures recommandées ou obligatoires et notes de cours :
|
| Boreux, JJ, Parent, E., Bernier, J. (2010). Pratique du calcul bayésien. Springer.
Marin, JM, Robert, C. (2006). Bayesian Core : a practical approach to computational Bayesian statistics. |
|
Modalités d'évaluation et critères :
|
| L'étudiant doit réaliser un travail personnel en se plaçant dans un contexte professionnel. Dans cette perspective il propose un problème, si possible illustré avec des données réelles, et remet un rapport final qui permettra de juger de sa rigueur scientifique et de son professionnalisme (la forme donne du tonus au fond) |
|
Stage(s) :
|
| Aucun. |
|
Remarques organisationnelles :
|
| Aucune |
|
Contacts :
|
| Jean-Jacques Boreux
jj.boreux@ulg.ac.be |
|
