• Méthode bayésienne d'estimation du seuil optimal d'un biomarqueur et de son intervalle de crédibilité par Fabien Subtil (LBBE, Lyon).
• Extrêmes multivariés: estimation semi-paramétrique de la dépendance par mélange de Dirichlets par Anne Sabourin (LSCE, Saclay et LCJ, Lyon).
• Approches particulaires de la statistique des HMM. Applications en Biologie par Jean-Pierre Vila (SupAgro, Montpellier).
• Déjeuner offert par la faculté des Sciences et Technologie S'INSCRIRE.
• Sampling methods for generalized linear models par Martyn Plummer (IARC, Lyon).
• Prise en compte de l'hétérogénéité individuelle dans l'estimation de la probabilité de survie et de détection des populations d'animaux sauvages via des approches bayésiennes non-paramétriques par Olivier Gimenez (CEFE, Montpellier).
• Stochastic Search Variable Selection: application à l'influence de l'environnement sur les peuplements de poissons par Jeremy Piffady (Onema-Irstea, Lyon).

• Objective Bayesian model selection in general Gaussian graphical models par Mathilde Bouriga (EDF / Université Dauphine).
• Sur l'intérêt du bayésien pour l'analyse d'incertitudes dans un contexte industriel : Information disponible et enjeux décisionnels par Merlin Keller (EDF).
• Théorie bayésienne de la décision, application à la fabrication industrielle de lardons par Natalie Commeau (INRA / ANSES / AgroParisTech)
• Retour d'expérience de BioBayes, école chercheur Inra par David Makowski (INRA)
• Bayesian models for the differential analysis of RNASeq data par Florence Jaffrezic (INRA)
• Approche bayésienne pour la prédiction de la composition corporelle Par Simiao Tian (INRA)
• An Approximate Bayesian Computation approach to infer gene regulatory networks from microarray data par Andrea Rau (INRA).

• Plans d'expérience Bayésiens : que nous propose Chaloner ? par Sophie Ancelet (AgroParisTech).
• MCMC ou ABC ? Bonheurs et tourments de mise en oeuvre sur un cas de risque sanitaire par Clémence Rigaux (Met@Risk, Inra).
• Abondance et croissance d'une population de salmonidés : un modèle hiérarchique sous WinBugs par Jean-Baptiste Lecomte (UMR 518, AgroParisTech).
• Forum : (i) Complétons ensemble un point sur les formations bayésiennes par Eric Parent et (ii) Questions pour l'utilisation des Bugs par Jean-Baptiste Denis
• Un algorithme de population Monte Carlo efficace : le 'parallel tempering with Ewui-Energy Moves' par Meïli Baragatti (IML, Marseille).
• Une méta-analyse pour évaluer l'impact environnemental de pratiques agricoles par David Makowski et Aurore Philibert (UMR Agronomie, INRA/AgroParisTech).
• Structurer une couche latente à l'aide de la géostatistique : application aux fréquences d'avalanches dans les Alpes par Aurore Lavigne (INRA/AgroParisTech).
• Discussion générale sur la suite d'AppliBugs, en particulier le style d'intervention à privélégier.

• Approche bayésienne des modèles à équations structurelles utilisant l'expansion paramétrique par Séverine Demeyer (LNE).
• Méthodes bayésiennes pour des modèles de systèmes dynamiques en agronomie par Daniel Wallach (Inra, Toulouse).
• Forum :inférer sur des multinomiales par Natalie Commeau et vraisemblance marginale par Jean-Louis Foulley
• MCSim, a quite general simulation and Bayesian inference software par Frédéric Bois (Ineris).
• Approches bayésiennes non paramétriques pour la modélisation des expositions à des cocktails de pesticides par Amélie Crépet (Afssa).
• Discussion générale sur la suite d'AppliBugs, en particulier le style d'intervention à privélégier.

• Posterior predictive checking and generalized graphical models par Andrew Gelman, (Columbia University - Department of Statistics).
• Conditional predictive p-values and the double use of the data par Judith Rousseau (Université Paris-Dauphine, Cérémade).
• Forum : (1) Calcul des facteurs de Bayes ; (2) Loi normale tronquée et traitement en WinBugs.
• Modèles à équations structurelles : les modèles libres versus les réseaux bayésiens par Christian Derquenne (EDF, R et D)
• Approche bayésienne des modèles structurels par Séverine Demeyer (LNE).
• Enseigner l'inférence bayésienne aux débutants: l'analyse des données expérimentales par Bruno Lecoutre (CNRS, Université de Rouen).
• Discussion générale sur la prochaine journée AppliBugs.

• Validation de modèles par Sophie Donnet (Cérémade, Université Paris-Dauphine) & Adeline Samson (Mpa5, Université Paris-Descartes).
• Une méthode ABC* de choix de modèle pour les champs de Gibbs. Application au choix d'une prédiction de structure 3D de protéine par Aude Grelaud (MIG-INRA et Cérémade, Paris-Dauphine)
• Forum : (1) performance fréquentiste d'une approche bayésienne ; données ordinales analysée par des modèles hétéroscédastiques à seuil.
• Modèles structurels PLS et réseaux bayésiens par Lionel Jouffe (Bayesia, Laval)
• Hommage à Guy Lefort pour sa contribution au développement de la statistique bayésienne en France. (1) Guy Lefort et l'introduction de la statistique bayésienne à l'INAPG par Jean-Jacques Daudin (AgroParisTech, Paris) ; (2) Guy Lefort et la sélection animale par Jean-Louis Foulley (INRA-GABI-PSGen, Jouy) ; (3) Autres témoignages.
• Discussion générale sur la prochaine journée AppliBugs.

• Un modèle hiérarchique à composante spatiale partagée pour l'analyse du risque de tremblante du mouton par Sophie Ancelet.
• Choix bayésien de modèle et selection de variable en régression par Jean-Michel Marin.
• BayesX: modèles additifs structurés de régression ; exemple d'application sur des données géographiques médicales par Erik-André Sauleau.
• Modèle hiérarchique : quelle loi a priori pour le modèle de variance ? par Jean-Michel Marin.
• Essais du Reversible Jump MCMC sous WinBUGS selon Lunn , Best et Wittaker, 2005 par Jeremy Piffady.

(Salle 7
au r-d-c.)

• "Analyse de la différenciation génétique de populations par des modèles bayésiens hiérarchiques : application à des races bovines et africaines" par Mathieu Gautier et Jean-Louis Foulley.
• "Modèles non-linéaires à effets mixtes définis par équations différentielles. Application en pharmacocinétique" par Sophie Donnet et Adeline Samson.
• Forum, questions-réponses
  • a propos du DIC
  • intégrer numériquement sous WinBugs ?
  • comparaison de modèles ajustés sous données initiales et transformées

• "Réseaux Bayésiens pour la modélisation des connaissances et l'analyse des données" par Lionel Jouffe.
• "Rebastaba, réflexion pour la confection d'un paquet R de manipulation de réseaux bayésiens" par Jean-Baptiste Denis et Isabelle Albert.
• Discussion générale sur la suite d'AppliBugs, en particulier quelles interventions seraient bienvenues.

(Salle 7
au r-d-c.)

• 9h30 - 10h15 (dont 15mn de questions/commentaires) Analyse de données ecotoxicologiques par inférence bayésienne, par Elise Billoir
• 10h15-11h00 (dont 15mn de questions/commentaires) Lien entre le modèle logit ordinal hétéroscédastique et le modèle à rapport de cotes proportionnelles, par Christian Derquenne
• 11h00 - 11h15 PAUSE
• 11h15 - 12h 15 : Utiliser les logiciels BUGS : session de questions - réponses - discussions introduite et animée par Jean-Baptiste Denis
• 12h15 - 14h00 : repas libre dans le quartier
• 14h00 - 14h55 (dont 15mn de questions/commentaires) Présentation de Jags, un des clones Bugs, par Martyn Plummer (son auteur)
• 14h55 - 15h50 (dont 15mn de questions/commentaires) Calcul de postériore par programmation R d'un algorithme MCMC et comparaison avec WinBugs, par Isabelle Albert
• 15h50 - 16h30 Discussion de préparation des prochaines séances d'AppliBugs : forme et contenu.

ordre du jour

• Analyse de données polytomiques et applications via WinBugs (par J.-L. Foulley, Inra-Sgqa, Jouy)
• Analyse de l'occurrence des avalanches (par N. Eckert et E. Parent, AgroParisTech-Engref, Paris)
• Applications biomédicales sous SAS/Genmod (par G. Derzko, Sanofi-Aventis, Montpellier et B. Lecoutre, Université de Rouen)
• Utilisation des techniques bayésiennes pour estimer les caractéristiques de deux tests de diagnostic de la paratuberculose caprine (P. Mercier, Afssa, Niort)
• Evaluation de la précision d'une méthode de diagnostic d'une maladie de colza (D. Makowski, Inra-Agronomie, Grignon).

• présentation par Jean-Louis Foulley (transparents)
• statistique bayésienne / Winbugs par Chantal Guihenneuc (transparents, programme)
• régression - revisitation par Eric Parent (transparents, article, programmation WinBugs, données)
• mélanges de binomiales par Isabelle Albert (transparents, mod1, mod2, mod3, mod4, doodle)