Computational probability modeling and Bayesian inference
La modélisation probabiliste et l'inférence bayésienne computationnelles rencontrent un très grand succès depuis une quinzaine d'années grâce au développement des méthodes de Monte Carlo et aux performances toujours croissantes des moyens de calcul. Au travers d'outils comme les méthodes de Monte Carlo par chaîne de Markov et les méthodes de Monte Carlo séquentielles, l'inférence bayésienne se combine efficacement à la modélisation markovienne. Cette approche est également très répendue dans le domaine de l'écologie et l'agronomie. Nous faisons le point sur les développements de cette approche appliquée à quelques exemples de gestion de ressources naturelles.
Main Authors: | , , |
---|---|
Format: | article biblioteca |
Language: | eng |
Subjects: | U10 - Informatique, mathématiques et statistiques, P01 - Conservation de la nature et ressources foncières, modèle mathématique, gestion des ressources naturelles, modélisation environnementale, http://aims.fao.org/aos/agrovoc/c_24199, http://aims.fao.org/aos/agrovoc/c_9000115, http://aims.fao.org/aos/agrovoc/c_9000056, |
Online Access: | http://agritrop.cirad.fr/552466/ http://agritrop.cirad.fr/552466/1/document_552466.pdf |
Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
Summary: | La modélisation probabiliste et l'inférence bayésienne computationnelles rencontrent un très grand succès depuis une quinzaine d'années grâce au développement des méthodes de Monte Carlo et aux performances toujours croissantes des moyens de calcul. Au travers d'outils comme les méthodes de Monte Carlo par chaîne de Markov et les méthodes de Monte Carlo séquentielles, l'inférence bayésienne se combine efficacement à la modélisation markovienne. Cette approche est également très répendue dans le domaine de l'écologie et l'agronomie. Nous faisons le point sur les développements de cette approche appliquée à quelques exemples de gestion de ressources naturelles. |
---|