logo site
Institut de Mathématiques de Marseille, UMR 7373
Slogan du site
Descriptif du site
Daniel Monclair (Orsay)
lundi
21
octobre
2019
14h00 - 15h00

TBA

"Méthodes bayésiennes approchées (ABC), et applications au choix de modèle de formation stellaire des galaxies", Pierre Pudlo (AMU), Gregoire Aufort (AMU)
lundi
21
octobre
2019
14h00 - 17h00

Nous commencerons par présenter les méthodes bayésiennes approchées (ABC pour Approximate Bayesian Computation). Ces méthodes ont été développées pour faire une analyse bayésienne lorsque la vraisemblance n’est pas calculable. Nous montrerons comment, à partir de simulations et de statistiques résumées sur ces simulations, nous pouvons reconstruire la loi a posteriori d’un paramètre, ou d’un indice de modèle.
Par la suite, nous nous intéressons au problème du choix de modèle dans le cas où nous devons traité un nombre important de jeux de données, ou d’objets. Nous proposons une extension de l’algorithme ABC-RandomForest pour le choix de modèle. Cette extension est basée sur du boosting d’arbres (minimisation de l’entropie croisée) sur le catalogue de simulations ABC. Cet algorithme d’apprentissage nous permet de contourner l’emploi de statistiques résumées dans notre algorithme. Enfin, nous présenterons une application à l’astrophysique. Il s’agit de reconstruire l’histoire de formation stellaire à partir de données photométriques, qui portent une information limitée. Malgré cette limite, nous montrerons la pertinence de la complexification d’un modèle d’histoire de formation pour certains jeux de données.