L’objectif de cette formation est de vous faire découvrir la modélisation statistique bayésienne. Les concepts et outils qui seront introduits tout au long de la formation seront illustrés par des cas concrets d’analyse de données. Ce cours est construit autour du langage R et de l’utilisation du package brms, une interface au langage probabiliste Stan. Par conséquent, il est indispensable d’avoir quelques connaissances élémentaires du langage R.

La formation est proposée sous une double étiquette Collège doctoral / MaiMoSiNE (Maison de la Modélisation et de la Simulation) avec une priorité d’accès aux étudiant.e.s du collège doctoral de Grenoble.

Pour cette formation, vous pourrez utiliser votre propre ordinateur portable sur lequel vous aurez installé R (version >= 3.5.3 souhaitée). Nous avons fait le choix d'utiliser l'interface utilisateur RStudio. Pour faciliter nos interactions, nous vous conseillons donc de l’installer : https://www.rstudio.com/products/rstudio/.

Nous utiliserons également Stan, à partir de RStudio, grâce au package rstan. Vous trouverez toutes les infos pour installer rstan selon votre plateforme ici : https://github.com/stan-dev/rstan/wiki/RStan-Getting-Started.

Nous utiliserons les packages listés ci-dessous, que vous pouvez installer avec une seule commande (à partir de RStudio) :

install.packages(c("data.table", "coda", "mvtnorm", "devtools", "MASS", "ellipse", "rstan", "BayesFactor", "BEST", "coda", "LearnBayes", "markdown", "mcmc", "MCMCpack", "MuMIn", "reshape2", "rmarkdown", "brms", "tidyverse", "tidybayes", "bayesplot", "shinystan", "lme4", "patchwork"), dependencies = TRUE)

Nous utiliserons également un package non publié sur le CRAN, que vous pouvez télécharger directement depuis Github, avec la commande suivante en R (après avoir installé "devtools") : devtools::install_github("rmcelreath/rethinking"). Si cette commande ne fonctionne pas, se référer aux instructions d'installation détaillées sur le répertoire Github associé au package : https://github.com/rmcelreath/rethinking.

Bien qu'une bonne connaissance de R soit un pré-requis d'inscription à la formation, vous trouverez ici une courte introduction aux bases du langage, qui seront nécessaires afin de bien comprendre les exemples traités lors de la formation.

NB : Si la commande d'installation des packages ne fonctionne pas, il s'agit probablement d'un problème de guillemets...

Télécharger le répertoire entier (en cliquant sur le bouton vert) puis double-cliquer sur le fichier "CoursXX/CoursXX.html". Cela devrait ouvrir les slides dans une nouvelle fenêtre de votre navigateur par défaut, et fonctionner avec (au moins) Safari et Chrome.

Suivre les liens ci-dessous pour consulter les slides en ligne.

• Lambert, B. (2018). A Student’s Guide to Bayesian Statistics. SAGE Publications Ltd.
• McElreath, R. (2020). Statistical Rethinking: A Bayesian Course with Examples in R and Stan. Second Edition. CRC Press.
• Kurz, S. (2020). Statistical Rethinking with brms, ggplot2, and the tidyverse. Available online.
• Kruschke, J. K. (2015). Doing Bayesian Data Analysis, Second Edition: A Tutorial with R, JAGS, and Stan. Academic Press / Elsevier.
• Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A., Rubin, D. B. (2013). Bayesian Data Analysis, third edition. London: CRC Press.

• Bayes theorem. 3Blue1Brown, 22 December 2019. https://www.youtube.com/watch?v=HZGCoVF3YvM
• Binomial distributions. Probabilities of probabilities, part 1. 3Blue1Brown, 15 March 2020. https://www.youtube.com/watch?v=8idr1WZ1A7Q
• Why "probability of 0" does not mean "impossible". Probabilities of probabilities, part 2. 3Blue1Brown, 12 April 2020. https://www.youtube.com/watch?v=ZA4JkHKZM50&feature=youtu.be

Ladislas Nalborczyk, [email protected]