Séminaire "Modélisation bayésienne de données dépendantes complexes"

Nous revisitons une méthode classique d'évaluation des risques écologiques, l'approche de la distribution de la sensibilité des espèces (SSD), dans un cadre paramétrique et non paramétrique bayésien.

Le SSD est un diagnostic obligatoire requis par les organismes de réglementation environnementale de l'Union européenne, des États-Unis, de l'Australie, de la Chine, entre autres. Pourtant, il fait l'objet de nombreuses critiques scientifiques, notamment concernant une hypothèse paramétrique historiquement débattue pour modéliser la variabilité des espèces. D'autres défauts méthodologiques impliquent une utilisation incomplète des données expérimentales, ignorant souvent la dépendance temporelle et une mauvaise quantification de l'incertitude. Nous montrons comment améliorer la méthodologie actuelle, de plusieurs façons, en utilisant des modèles hiérarchiques paramétriques et non paramétriques bayésiens. En particulier, nous expliquons comment inclure des données censurées, la dépendance temporelle et comment modéliser correctement l'incertitude à l'aide de modèles toxico-dynamiques toxico-cinétiques. Ensuite, en abordant le problème à l'aide de modèles de mélanges non paramétriques, nous montrons comment éliminer l'hypothèse paramétrique classique et comment construire une base statistiquement plus solide pour les SSD. L'approche bayésienne non paramétrique offre un autre avantage : la capacité à traiter de petits ensembles de données, typiques dans le domaine de l'évaluation des risques écologiques. Nous utilisons des mesures aléatoires normalisées avec incréments indépendants (NRMI) comme mesure de mélange car elles offrent une plus grande flexibilité que la valeur par défaut antérieure dans le domaine connu sous le nom de processus de Dirichlet.

En effet, le NRMI induit un a priori sur le nombre de composants du modèle de mélange moins contraignant que le procédé de Dirichlet. Cette fonctionnalité est cohérente avec le fait que les praticiens SSD n'ont généralement pas une forte croyance préalable sur le nombre de composants. Nous étendons notre mélange à des données censurées qui sont répandues en écotoxicologie et nous illustrons l'avantage du SSD non paramétrique par rapport au SSD normal classique et à un SSD d'estimation de la densité du noyau sur plusieurs ensembles de données réels.

Nous effectuons ensuite une comparaison systématique sur des données simulées et finissons par étudier le regroupement induit par le modèle de mélange pour examiner les modèles de sensibilité des espèces.

Les publications de Guillaume Kon Kam King

L'unité MaIAGE