Using a Bayesian approach to parameter estimation: comparison of the GLUE and MCMC methods | Une approche Bayésienne pour estimer les paramètres des modèles de cultures, comparaison des méthodes GLUE et MCMC
2002
Makowski, D. ((Institut National de la Recherche Agronomique, Thiverval Grignon (France). Centre de Versailles Grignon, Unité d'Agronomie)) | Wallach, D. | Tremblay, M.
français. L'approche bayésienne permet d'estimer les paramètres des modèles en prenant en compte à la fois les connaissances a priori des experts sur les valeurs des paramètres et les données expérimentales. Le but de cet article est de comparer les performances de deux méthodes Bayésiennes: l'algorithme de Metropolis-Hastings et la méthode GLUE. Ces deux méthodes sont appliquées à un modèle non linéaire incluant 22 paramètres. Ce modèle a les principales caractéristiques des modèles agronomiques. Les deux méthodes donnent des résultats voisins. Les estimateurs des paramètres obtenus avec les deux méthodes sont de qualités comparables. Les deux méthodes améliorent la précision des prédictions du modèle, même lorsque peu de données sont disponibles pour estimer les paramètres. Cependant, les valeurs du mean squared error of prediction obtenues avec la méthode GLUE sont légèrement supérieures à celles obtenues avec l'algorithme de Metropolis-Hastings. Les performances des méthodes sont par ailleurs très dépendantes des hypothèses faites a priori sur les valeurs des paramètres
Afficher plus [+] Moins [-]Mots clés AGROVOC
Informations bibliographiques
Cette notice bibliographique a été fournie par Institut national de la recherche agronomique
Découvrez la collection de ce fournisseur de données dans AGRIS
