Régression linéaire bayésienne
La régression linéaire bayésienne est une extension probabiliste du modèle linéaire ordinaire, introduite par la règle de Bayes et formalisée dans son flux de travail computationnel moderne par Gelman et al. (2013). Plutôt que de retourner une estimation ponctuelle unique pour chaque coefficient, elle combine une distribution a priori spécifiée par l'utilisateur avec la vraisemblance des données observées pour produire une distribution a posteriori complète sur tous les paramètres, à partir de laquelle des intervalles de crédibilité et des distributions prédictives a posteriori sont dérivées.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955
Comment citer cette page
ScholarGate. (2026, June 1). Bayesian Linear Regression. ScholarGate. https://scholargate.app/fr/bayesian/bayesian-linear-regression
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- ANOVA bayésienneBayésien↔ compare
- Régression bayésienneBayésien↔ compare
- Chaîne de Markov Monte Carlo (MCMC)Bayésien↔ compare
- Régression par Moindres Carrés Ordinaires (MCO)Économétrie↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →