BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//132.216.98.100//NONSGML kigkonsult.se iCalcreator 2.20.4//
BEGIN:VEVENT
UID:20250806T145546EDT-82204PnsAP@132.216.98.100
DTSTAMP:20250806T185546Z
DESCRIPTION:La modélisation de l'information a priori en statistique.\n\nEn
  probabilité\, la règle de Bayes est une formule très utile pour calculer 
 des probabilités conditionnelles. En statistique\, elle peut être utilisée
  afin d'introduire de l'information a priori sur les paramètres qui sont i
 nconnus. La procédure d'estimation de ces paramètres\, qui se fait en comb
 inant l'information a priori et l'information contenue dans l'échantillon\
 , devient beaucoup plus probabiliste. On obtient alors ce qu'on appelle le
  paradigme bayésien\, ou simplement la statistique bayésienne. J'expliquer
 ai\, entre autre à l'aide d'exemples simples\, la 'construction' de la sta
 tistique bayésienne ainsi que ses avantages par rapport à la statistique d
 ite 'classique'. Si le temps le permet\, j'aborderai également les méthode
 s d'approximation qui deviennent essentielles en statistique bayésienne dû
  à la complexité des calculs à effectuer.\n
DTSTART:20161102T163000Z
DTEND:20161102T173000Z
LOCATION:Room Z-345\, CA\, Pavillon Claire-McNIcoll
SUMMARY:Michaël Lalancette\, Université de Montréal
URL:/mathstat/channels/event/michael-lalancette-univer
 site-de-montreal-263855
END:VEVENT
END:VCALENDAR