Agritrop
Accueil

Computational probability modeling and Bayesian inference

Campillo Fabien, Rakotozafy Rivo, Rossi Vivien. 2008. Computational probability modeling and Bayesian inference. Revue ARIMA, 9 (spécial Claude) : 123-143.

Article de revue ; Article de revue à comité de lecture
[img]
Prévisualisation
Version publiée - Anglais
Utilisation soumise à autorisation de l'auteur ou du Cirad.
document_552466.pdf

Télécharger (1MB) | Prévisualisation

Résumé : 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.

Mots-clés Agrovoc : modèle mathématique, gestion des ressources naturelles, modélisation environnementale

Classification Agris : U10 - Informatique, mathématiques et statistiques
P01 - Conservation de la nature et ressources foncières

Champ stratégique Cirad : Axe 6 (2005-2013) - Agriculture, environnement, nature et sociétés

Auteurs et affiliations

  • Campillo Fabien, INRIA (FRA)
  • Rakotozafy Rivo, Université de Fianarantsoa (MDG)
  • Rossi Vivien, CIRAD-ES-UPR Dynamique forestière (FRA) ORCID: 0000-0001-5458-1523

Autres liens de la publication

Source : Cirad - Agritrop (https://agritrop.cirad.fr/552466/)

Voir la notice (accès réservé à Agritrop) Voir la notice (accès réservé à Agritrop)

[ Page générée et mise en cache le 2024-12-22 ]