[ИАД, осень 2025] Байесовский выбор моделей. Лекция 1: Введение

[ИАД, осень 2025] Байесовский выбор моделей. Лекция 1: Введение

par Александр Дуенко

Sciences formelles & physiques Mathématiques PBTProbabilité et statistiquesPBTBInférence bayésienne
🎙 Александр Дуенко 👥 8K 📅 11 septembre 2025 ⏱ 88 min 👁 210 📄 cours magistral 🧭 2026-08-16
Disponible en : Français (actuel) English

Mots-clés

théorème de Bayesa prioria posterioritests d'hypothèsesvraisemblance

Résumé

Cette première leçon du cours ‘Bayesian Model Selection’ (automne 2025) est donnée par Alexandre Duenko. Après une introduction organisationnelle (système de notation, tests, examens), le professeur rappelle les bases de la théorie des probabilités, en particulier le théorème de Bayes. Il illustre ce théorème avec un exemple pédagogique : déterminer si une personne est un ‘oracle’ (qui devine le résultat d’un pile ou face avec une probabilité de 90%) ou une personne normale (50%), sachant qu’elle a deviné correctement 10 fois sur 10. Il montre comment le choix de la probabilité a priori influence fortement la probabilité a posteriori, et souligne l’importance de ne pas utiliser l’information de l’expérience en cours dans le prior. Il introduit également la notion de test d’hypothèses, en rappelant les concepts d’erreur de première espèce et de puissance. La leçon se termine sur l’annonce des sujets à venir : l’évidence (marginal likelihood), les modèles graphiques, etc. Le ton est celui d’un cours magistral interactif, avec des questions posées aux étudiants.

165 mots

Évaluation critique

Valeur des informations & solidité de l’argumentation

La valeur des informations est élevée : le cours rappelle des concepts fondamentaux de statistique bayésienne et les illustre par des exemples concrets et bien choisis. L’argumentation est solide : le professeur explique pas à pas le raisonnement, souligne les pièges (comme l’influence du prior) et encourage la réflexion. La démonstration de l’effet du prior sur le résultat est particulièrement convaincante. La discussion sur l’influence de la procédure de sélection (pré-expérience) est également pertinente et montre une bonne maîtrise du sujet.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est bonne : les concepts sont présentés avec précision, les formules sont correctes et les explications sont claires. Cependant, aucune source externe n’est citée dans la vidéo ni dans la description, ce qui limite la vérifiabilité. Le titre est en adéquation avec le contenu : il s’agit bien d’une introduction au choix bayésien de modèles. La qualité des sources est donc moyenne, mais la fiabilité du contenu est bonne car il s’agit d’un cours universitaire.

174 mots

Adéquation titre / contenu

Le titre correspond parfaitement au contenu : il s'agit bien de la première leçon d'un cours sur la sélection bayésienne de modèles, avec une introduction.

Qualité & fiabilité

8/10

Cours universitaire structuré, présenté par un enseignant-chercheur, avec des exemples pédagogiques clairs et une progression logique. Les concepts sont introduits rigoureusement, mais la vidéo ne fournit pas de références bibliographiques explicites.

Moments clés

Repères établis par PSI à partir de la transcription : le créateur n'a pas défini de chapitres.

Apport & nouveautés

Cette leçon apporte une introduction pédagogique solide au choix bayésien de modèles, en insistant sur l’importance du choix du prior et sur les pièges à éviter. Elle ne présente pas de nouveauté scientifique, mais elle est utile pour les étudiants. Pour aller plus loin :

  • Théorème de Bayes — Article de Wikipédia expliquant le théorème de Bayes et ses applications.
  • Inférence bayésienne — Article de Wikipédia sur l’inférence bayésienne, incluant les notions de prior et de posterior.
  • Test d’hypothèse — Article de Wikipédia sur les tests d’hypothèses, avec les notions d’erreur de première espèce et de puissance.

97 mots

Profil radar

Le profil radar montre une bonne qualité d'information et une fiabilité correcte, mais une quantité d'information moyenne et un niveau technique modéré. Cela reflète un cours introductif qui privilégie la clarté et la rigueur plutôt que la profondeur technique.

Fiabilité 8/10