Séminaire de Probabilités et Statistique :
Le 25 janvier 2010 à 14:30 - CIRAD, amphi Jacques Alliot
Présentée par Saporta Gilbert - Conservatoire National des Arts et Métiers
Modèles pour comprendre ou modèles pour prévoir ?
Cet exposé développera des considérations générales sur deux aspects bien distincts de la modélisation statistique. Selon le point de vue classique, la modélisation statistique consiste à établir un modèle parcimonieux d'un phénomène aléatoire, fondé généralement sur une connaissance experte du domaine. L'objectif d'un modèle est alors de fournir une meilleure compréhension des données et du mécanisme sous-jacent qui les a produites. Les méthodes de choix de modèle par vraisemblance pénalisée jouent alors un grand rôle. Un autre point de vue, celui du data mining, concerne la modélisation prédictive: un modèle n'est alors qu'un algorithme et sa qualité se mesure par sa capacité à prédire de nouvelles observations.
Les diapositives de la présentation: