Thèmes de recherche

Thèmes étudiés

• Le modèle linéaire fonctionnel et son interprétabilité, dans un cadre bayésien.
• Segmentation bayésienne de série avec biais fonctionnel .
• Sélection de variables en grande dimension, approche Bayésienne.
• Méthodes sans vraisemblance (ou Approximate Bayesian Computation, ABC). En particulier pour l'estimation de paramètres de modèles complexes.
• Algorithmes MCMC: algorithmes population-based, algorithme equi-energy sampler de Kou et al. (2006) et algorithmes Reversible Jump (RJMCMC).