L'histoire est géniale.

Dans SAS, la phase de tuning de la proposal dans l'algorithme de Metropolis consiste dans le cas multivarié, à estimer la matrice de covariance d'après les réalisations déjà obtenues. Le principe est le suivant: on a des tuning loops de 500 itérations par défaut chacunes. Lors de chaque loop, on lance une chaîne avec une proposal multinormale caractérisée par une matrice de covariance donnée. À la loop suivante, même principe, mais la matrice de covariance est mise à jour comme une moyenne pondérée de l'ancienne matrice de covariance et de la nouvelle matrice obtenue d'après les réalisations. En plus, un side product, c'est qu'on trouve le MAP de la posterior, dont on peut se servir comme valeurs initiales.

C'est marrant ça. Breiman était profondément anti-bayésien, parce qu'à l'époque (milieu années 1990), les bayésiens étaient surtout des théoriciens qui ne mettaient jamais les mains dans les données. Les pbs réels trop compliqués étaient inaccessibles aux bayésiens... Les choses ont bien changé!
N'empêche, j'attends quand même le jour ou qqn inventera une méthode qui nous permet de nous passer du MCMC et de tous ses pbs de tuning...

Ah ben ya une illustration de l'analogie de Gelman sur les modélisateurs tentant d'estimer des effets fins avec des données pourries. Me la stocke celle-là.

Un article pas inintéressant sur l'intérêt d'utiliser dplyr pour la manip de données.

Pour presque tout savoir sur la situation politique en turquie.

Une explication plus détaillée

Intéressant.

Bon ben maintenant, de John Kerry aux experts de sciences po, tout le monde est d'accord... Et la temporisation de Cameron, finalement acceptée de tous depuis hier, tend à confirmer le truc.

Ben décidément, j'aime bien ce gars-là, il est très rare que je sois en désaccord.
Et ça fait du bien d'avoir une voix un peu dissonnante du discours convenu des médias