Réseaux bayésiens avec R

Cet ouvrage introduit ses lecteurs à la découverte des réseaux bayésiens. À
partir d’exemples simples, mais suffisamment complexes pour détailler les
différents mécanismes en cause, les trois premiers chapitres présentent les
réseaux bayésiens pour variables discrètes, variables gaussiennes et variables
quelconques. Toutes les étapes de construction, de vérification des
propriétés, d’estimation et d’interprétation sont illustrées par l’usage de
fonctions R. Le but est de permettre aux lecteurs de reproduire la démarche
pour leurs propres problématiques, en utilisant leurs propres données par
simple adaptation de ce qui est présenté. Le quatrième chapitre propose un
traitement concis mais rigoureux des théories mathématiques sous-jacentes
couvrant la définition des réseaux bayésiens, les principaux algorithmes
d’apprentissage de structure à partir de données et les requêtes d’exploration
des propriétés d’un réseau estimé pour répondre à diverses questions
concrètes. Le cinquième chapitre est dédié à une revue des principaux
logiciels disponibles, en particulier des paquets R existant. Le sixième
chapitre est le traitement en détails de deux situations réelles qu’ont
abordées les auteurs dans leurs activités professionnelles, à l’aide des
réseaux bayésiens. Il comprend également les principales commandes de R
utilisées pour mener les calculs. Les cinq premiers chapitres comportent des
exercices dont les solutions sont proposées en fin d’ouvrage. Deux annexes
indépendantes sont consacrées à la théorie des graphes et aux distributions de
probabilité majeures. Enfin, un glossaire des termes spécialisés employés tout
au long de l’ouvrage est fourni ainsi qu’un index général, il contient en
particulier les références de toutes les fonctions R invoquées. Les auteurs
ont cherché à d’abord expliquer les concepts par l’intuition et l’exemple
avant d’aboutir au formalisme mathématico-informatique. À la fois pratique et
théorique l’ouvrage sera utile aussi bien aux chercheurs et ingénieurs qui
doivent modéliser une situation incertaine ou interpréter des données où
interviennent de nombreuses variables aléatoires qu’aux étudiants en
mathématiques appliquées.