Semaine Bayésienne et algorithmes
29 février au 4 mars 2016
|
Cette semaine du mois thématique sera consacrée à la statistique bayésienne ainsi qu’aux algorithmes associés. Des exposés théoriques et des applications autour de ces deux thèmes seront proposés. Des mini cours auront lieu également.
Les aspects théoriques et appliqués de la statistique bayésienne seront développés. Les algorithmes mis en avant seront ceux qui permettent d’aborder des problèmes complexes d’estimation, notamment les algorithmes MCMC et les algorithmes ABC (Approximate Bayesian Computation). Les mots clés de cette semaine sont : Note: tous les exposés et les minicours seront en anglais |
Comité scientifique
Nicolas Chopin (ENSAE, France) Comité d’organisation Thibaut Le Gouic (Ecole Centrale de Marseille) Conférenciers I) Mini-cours:
Expectation-Propagation for Approximate Inference
Variational Bayes methods and algorithms
Computational Bayesian statistics II) Exposés:
Bayesian hierarchical mixture model for financial time series
Leave Pima Indians alone: binary regression as a benchmark for Bayesian computation
Expectation Propagation is exact in the large-data limit
Convergence modes for prior distributions
An overview of noisy MCMC and SMC
Accelerating Bayesian inference for intractable likelihood models using noisy MCMC
Goodness of fit of logistic models for random graphs
Combining ridge parameter with the g-prior of Zellner
A data augmentation approach to high dimensional ABC
Adaptive multiple important sampling
Exploring the presence of complex dependence structures in epidemiological and genomic data
On the properties of variational approximations of Gibbs posteriors
Exact Bayesian inference for some models with discrete parameters
Nonparametric mixture models and HMMS
Approximations of geometrically ergodic Markov chains
Computational methods for stochastic differential equations
Bayesian Hierarchical Modelling of Genetic Interaction in Yeast |