Statistique bayésienne: les bases

Dans ce court texte de présentation de la statistique bayésienne, nous nous attachons à démontrer qu'il s'agit d'une approche cohérente et surtout pratique pour résoudre les problèmes d'inférence statistique. Les fondements historiques de cette discipline, ainsi que ses justifications théoriques et philosophiques, ne seront pas présentés ici, le lecteur étant renvoyé pour cela aux ouvrages de référence cités en  [Doc AF 605] que sont Bernardo et Smith (1994) ; Carlin et Louis (2001) ; Gelman et al. (2001) et Robert (2007) (ou Robert (2006) pour la version française). Notre objet est au contraire de démontrer que cette approche de l'inférence statistique est moderne, adaptée aux outils informatiques de simulation et apte à répondre aux problèmes de modélisation les plus avancés dans toutes les disciplines, plutôt que de l'ancrer sur ses querelles du passé. Dans une première partie, nous présentons les fondements de l'inférence bayésienne, en insistant sur les spécificités de la modélisation a priori et de la construction des tests. Puis, nous mettons en œuvre explicitement les concepts précédemment introduits dans le cas pratique d'un modèle de régression linéaire.