Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Région de Crédibilité
Intervalle dans lequel un paramètre inconnu se situe avec une probabilité a posteriori spécifiée, analogue à l'intervalle de confiance fréquentiste mais avec une interprétation probabiliste directe.
Hypothèse Nulle Bayésienne
Modèle spécifique souvent défini par une valeur ponctuelle pour un paramètre (ex: effet nul), contre lequel une hypothèse alternative est comparée via un facteur de Bayes.
Modèle à Creux (Spike-and-Slab)
Approche de sélection de variables utilisant une distribution a priori mélange, avec une masse ponctuelle à zéro (creux) et une distribution continue (plaque) pour les coefficients non nuls.
Test d'Hypothèse Bayésien Séquentiel
Méthode où les données sont analysées au fur et à mesure de leur collecte, permettant une décision précoce basée sur l'évolution du facteur de Bayes ou de la probabilité a posteriori.
Principe de Likelihood
Principe selon lequel toute l'information sur les paramètres contenue dans les données est fournie par la fonction de vraisemblance, fondamental pour l'inférence bayésienne.
Paradoxe de Lindley
Phénomène où un test d'hypothèse fréquentiste peut rejeter l'hypothèse nulle tandis qu'un test bayésien, basé sur le facteur de Bayes, soutient fortement cette même hypothèse, souvent dû à des échantillons de grande taille.
Règle de Jeffreys
Échelle d'interprétation heuristique pour les valeurs du facteur de Bayes, fournissant des seuils qualitatifs (faible, moyen, fort) pour évaluer le poids de l'évidence en faveur d'une hypothèse.
A Priori de Jeffreys
Distribution a priori non informative, conçue pour être invariante sous reparamétrisation et proportionnelle à la racine carrée du déterminant de l'information de Fisher.
Méthode ABC (Approximate Bayesian Computation)
Technique d'inférence bayésienne utilisée lorsque la vraisemblance est intractable, en approximant la vraisemblance par la simulation de données à partir de paramètres candidats et leur comparaison aux données observées.
Perte d'Information Prédictive (Predictive Information Criterion)
Critère de sélection de modèle bayésien qui évalue la capacité prédictive d'un modèle en pénalisant la complexité via la divergence de Kullback-Leibler entre la distribution prédictive et la vraie distribution des données.
A Priori de Référence
Distribution a priori conçue pour avoir un impact minimal sur l'inférence a posteriori, souvent utilisée dans les tests d'hypothèses pour garantir que le facteur de Bayes n'est pas indûment influencé par le choix de l'a priori.