Les Distributions a Priori pour l’Inférence Causale
En l’inférence bayésienne on doit spécifier un modèle pour les données (donc un likelihood) et un modèle pour les paramètres (un loi a priori). Envisagez deux questions:
1. Pourquoi est-ce plus difficile de préciser le likelihood que le loi a priori?
2. Pour préciser le loi a priori, comment peut-on sauter entre la literature théorique (l’invariance, le tendance au loi normal, etc) et la literature appliquée (l’elicitation des experts, la robustesse, etc.)?
Je discuter ces questions dans la domaine de l’inférence causale: les lois a priori pour les effets causals, les coefficients de la regression, et les autres paramètres dans les modèles causals.
If you follow the link you’ll see that somewhere along the line they translated my title and abstract into English. It seems that the talk is supposed to be in English too, which I guess will make it a bit more coherent. The causal inference connection should be interesting. It’s not a talk about causal inference; it’s more that thinking about causal inference can give us some insight into setting up models. As is often the case, we can do more when we engage with subject-matter storylines.
Il y a beaucoup de fautes de grammaire. Faites relire par un francophone la prochaine fois.
Frenchy:
I wrote it and sent it to the person who invited me to speak, and I assumed he’d fix it before posting it on the website. I had no idea he’d translate it into English instead! And, yes, that’s how I can do better, by trying and getting corrected.
I can’t resist:
Les distributions a priori pour l’inférence causale
En inférence bayésienne, on doit spécifier un modèle pour les données (donc une vraisemblance) et un modèle pour les paramètres (une loi a priori). Envisagez deux questions:
1. Pourquoi est-il plus difficile de préciser la vraisemblance que la loi a priori ?
2. Pour préciser la loi a priori, comment peut-on passer de la literature théorique (l’invariance, la tendance vers la loi normale, etc.) à la literature appliquée (l’élicitation des experts, la robustesse, etc.) ?
Je discuterai ces questions dans le domaine de l’inférence causale: les lois a priori pour les effets causals*, les coefficients de la régression, et les autres paramètres dans les modèles causals*.
* or “causaux”. Honestly “causaux” seems much more natural to me ; many dictionaries list both but the only one I found commenting on the plural form claims that “causals” is more used so I left it.
Merci!