Miscellaneous
Dans ce quatrième épisode, Alexandre et Jean-Nicolas reviennent sur la formule de Bayes et vous expliquent comment cela fonctionne quand l'objet d'étude est très compliqué : que faire quand on ne connaît pas la distribution de probabilité que l'on cherche à exprimer ? Que faire quand l'espace dans lequel on étudie a plus de 3 dimensions (comme une élection à 8 partis par exemple, qui a... 8 dimensions)? Comment notre modèle s'en sort-il face à cela ? Toutes ces questions vous emmèneront sur les traces du roi Markov et de son conseiller mathématicien, un certain Metropolis... Cet exemple concret vous aidera à comprendre un peu mieux les méthodes de simulation et d'optimisation utilisées par les modèles bayésiens, à mieux appréhender l'utilité des méthodes bayésiennes et à démystifier le côté "magique" des algorithmes. Rejoignez-nous pour cet épisode, et envoyez-nous vos questions, par mail ou par Twitter ! Et si ça vous plaît, abonnez-vous, laissez-nous 5 étoiles sur votre plateforme de podcast préférée, et parlez-en à vos amis - ils vous remercieront, et nous aussi :) Liens évoqués dans l'épisode: Le livre de Richard McElreath, Statistical Rethinking : https://www.amazon.com/Statistical-Rethinking-Bayesian-Examples-Chapman/dp/1482253445 Les vidéos de son cours à l'Université de Leipzig pour le trimestre 2018-2019 : https://www.youtube.com/playlist?list=PLDcUM9US4XdNM4Edgs7weiyIguLSToZRI Que se passe-t-il si le PS, EELV ou DLF n'ont pas de siège le 26 mai ? https://www.pollsposition.com/indicateurs/absents_toujours_tort Pourquoi on aurait tort de s’exciter autour du RN et de LREM. https://www.pollsposition.com/indicateurs/election_serree_implique_sondages_serres Comment le modèle des élections européennes fonctionne-t-il ? https://www.pollsposition.com/indicateurs/forecast_europeennes2019_methode Le modèle des européennes 2019 : pollsposition.com/indicateurs/forecast_europeennes2019