Bayésienne

"bayésienne" dans l'encyclopédie

• SELTEN REINHARD (1930-2016)

  • Écrit par Françoise PICHON-MAMÈRE
  • 3 866 mots

  De très nombreux travaux sont désormais redevables tant au concept d'équilibre de Nash et à ses « raffinements » introduits par Selten qu'à l'analyse bayésienne d'Harsanyi. La multiplicité et la spécificité des résultats de ces travaux ne font que refléter l'extrême complexité des interactions stratégiques en économie exacerbées de nos jours par l'incertitude, la violence de la concurrence et l'explosion des systèmes d'information en continu sur les places financières internationales.

• STATISTIQUE

  • Écrit par Georges MORLAT
  • 76 427 mots
  • 1 média

  Le mot « statistique » désigne à la fois un ensemble de données d'observation et l'activité qui consiste dans leur recueil, leur traitement et leur interprétation.Au cours de l'histoire, la collecte d'observations et la méthodologie de leur emploi se sont développées de façons largement indépendantes. Aujourd'hui, le recueil de statistiques est une activité importante, indispensable à la gestion des sociétés modernes.

• PROFIT

  • Écrit par Jacques LEBRATY
  • 26 368 mots

  Le calcul emprunte la voie probabiliste avec tous ses raffinements (recours aux probabilités subjectives, analyse bayésienne ; cf. probabilité subjective). Bref, s'élabore tout un corps de principes ayant pour but de donner un contenu objectif à la rationalité, c'est-à-dire visant à préciser la cohérence des moyens (calcul probabiliste) par rapport aux fins (maximation du profit).

• PROBABILITÉ SUBJECTIVE

  • Écrit par John COHEN
  • 25 829 mots
  • 1 média

  Utilisée parfois par les mathématiciens pour désigner la probabilité « bayésienne » (cf. calcul des probabilités), l'expression de probabilité subjective comporte en elle-même une ambiguïté. Elle désigne en effet soit la logique propre de la croyance partiale (en d'autres termes, une théorie normative de la probabilité dans laquelle l'ensemble des jugements portés par un individu hypothétique découle nécessairement des suppositions auxquelles il se livre librement dans des conditions d'incertitude), soit la classe d'estimations, de jugements, de croyances et d'inférences qui guident les individus sans référence obligée à la rigueur et à la cohérence logiques.

• BIG DATA

  • Écrit par François PÊCHEUX
  • 33 807 mots
  • 3 médias

  Les techniques d’apprentissage supervisé les plus connues sont les arbres de classification, la classification bayésienne naïve, les forêts aléatoires, les k plus proches voisins (k-NN pour k-nearest neighbours) ou encore les machines à vecteur de support aussi appelées séparateurs à vaste marge (support vector machine). Apprentissage non supervisé Quand on ne dispose pas de données étiquetées (c’est-à-dire lorsque l’on connaît les entrées du modèle, mais pas les sorties attendues correspondantes) ou que l’on ne connaît pas le nombre et le type des classes, les algorithmes plus complexes d’apprentissage non supervisé entrent en jeu.