back to first page[..] [[BR]]

= Hierarchical Bayesian model =

Wyatt, R.J. (2003). Mapping the abundance of riverine fish populations: integrating hierarchical Bayesian models with a geographic information system (GIS). Can. J. Fish. Aquat. Sci. 60: 997-1006. [[BR]]

'''Some links :'''[[BR]]
http://www.biostat.jhsph.edu/~fdominic/teaching/BM/bm.html [[BR]]

= WinBUGS =

Spiegelhalter, D., Thomas, A., Best, N., and Lunn, D. (2003). WinBUGS user manual. Ver. 1.4. Medical Research Council
Biostatistics Unit, Institute of Public Health, Cambridge, U.K. (http://www.mrc-bsu.cam.ac.uk/bugs). [[BR]]

LUNN D.J., THOMAS A., BEST N. and SPIEGELHALTER D. (2000). WinBUGS – A Bayesian modelling framework: Concepts, structure, and extensibility. Statistics and Computing 10, 325–337. http://www.springerlink.com/content/m832242u211k4437/fulltext.pdf [[BR]]
http://www.winbugs-development.org.uk/ [[BR]]

« Bayesian inference Using Gibbs Sampling » (BUGS). Le logiciel utilise la méthode de l'échantillonneur de Gibbs (Gibbs
sampling) avec des algorithmes de Monte Carlo par Chaîne de Markov (MCMC). Les méthodes MCMC servent à obtenir des tirages d'une variable aléatoire dont la probabilité est connue à une constante près.[[BR]]
f(x) = k phi(x)  (f(x): loi de probabilté de x, k: constante (inconnue) dépendante de x, phi(x) : fonction (connue) de x)
Cet algorithme (MCMC) est un algorithme d'échantillonnage à partir d'une distribution de probabilités afin de construire une ou plusieurs chaînes d'itérations, celles-ci étant le résultat de chaque étape de la simulation. WinBUGS amorce une valeur arbitraire pour chaque
chaîne et simule les différents paramètres à partir de cette valeur. [[BR]]