La sélection de variables bayésiennes a connu des développements substantiels au cours des 30 dernières années avec la prolifération de grands ensembles de données. L’identification des variables pertinentes à inclure dans un modèle permet une interprétation plus simple, évite le surajustement et la multicolinéarité et peut fournir des informations sur les mécanismes sous-jacents à un phénomène observé. La sélection des variables est particulièrement importante lorsque le nombre de prédicteurs potentiels est considérablement supérieur à la taille de l’échantillon et que l’on peut raisonnablement supposer qu’elle est rare. Le manuel de sélection de variables bayésiennes fournit une revue complète des aspects théoriques, méthodologiques et computationnels des méthodes bayésiennes de sélection de variables. Les sujets abordés comprennent les a priori de pointe et de dalle, les a priori de retrait continu, les facteurs de Bayes, le modèle bayésien, la moyenne, les méthodes de partitionnement, ainsi que la sélection de variables dans les arbres de décision et la sélection d’arêtes dans les modèles graphiques. Le manuel s’adresse aux étudiants des cycles supérieurs et aux chercheurs établis qui cherchent à comprendre les derniers développements dans le domaine. Il constitue également une référence précieuse pour tous ceux qui s’intéressent à l’application des méthodes existantes et/ou à la poursuite d’extensions méthodologiques. Caractéristiques : Fournit un examen complet des méthodes et des applications de la sélection de variables bayésiennes. Divisé en quatre parties : Spike-and-Slab Priors ; Retrait continu a priori ; Extensions à diverses modélisations ; Autres approches de la sélection de variables bayésiennes. Couvre les aspects théoriques et méthodologiques ainsi que des exemples élaborés avec le code R fournis dans le supplément en ligne. Comprend des contributions d’experts dans le domaine. Soutenu par un site Web avec des données de code et d’autres documents supplémentaires. Langue : Anglais