Conclusion

Modélisation de régression bayésienne avec rstanarm

Jake Thompson

Psychometrician, ATLAS, University of Kansas

Ce que nous avons appris

• Estimer un modèle de régression bayésien
  • Différences entre approches fréquentiste et bayésienne
  • Importance de tirer de bonnes inférences
• Modifier un modèle bayésien
  • Taille de la distribution a posteriori
  • Distributions a priori
  • Algorithme d'estimation

Ce que nous avons appris

• Évaluer l'ajustement du modèle
  • R au carré
  • Vérifications prédictives a posteriori
  • Comparaisons de modèles
• Utiliser le modèle
  • Visualisations du modèle
  • Prédictions

Ce que nous n'avons pas couvert

• Maths derrière les calculs a posteriori et l'approximation LOO
• Choisir une distribution a priori
• Causes des erreurs d'estimation

La suite ?

• Plus de cours DataCamp
  • Bayesian Modeling with RJAGS
• Documentation rstanarm
  • mc-stan.org/rstanarm
• Bayesian Data Analysis, Gelman et al., (2013)

Merci !

Modélisation de régression bayésienne avec rstanarm