Revue d'économie et de statistique appliquée
Volume 18, Numéro 1, Pages 261-277
2021-06-29
Auteurs : Asri Ayoub . Benamirouche Rachid .
Récemment, les méthodes bayésiennes se sont considérablement développées dans le domaine de la santé publique. Les progrès des méthodes Markov Chain Monte Carlo (MCMC a permis à la modélisation bayésienne d'être largement utilisée par la communauté de recherche. Cependant, MCMC nécessite une énorme puissance de calcul, en particulier avec de grands ensembles de données. Désormais, les champs aléatoires gaussiens sont devenus de plus en plus utiles dans les applications de santé publique qui sont caractérisées par une structure spatiale / spatio-temporelle qui doit être incluse lors de l'inférence des modèles. Une alternative efficace à MCMC a été développée en utilisant des champs aléatoires. L'approximation intégrée de Laplace (INLA) combinée avec SPDE peut fournir une solution aux problèmes à grande échelle dans le domaine mentionné. Dans cet article, nous passons en revue l'approche INLA et présentons une application sur la mortalité par cancer du poumon en Algérie en utilisant d'abord un modèle territorial puis en combinant les deux approches pour estimer un modèle SPDE géostatistique.
modélisation bayésienne ; modélisation spatiale ; mortalité par cancer du poumon ; L'approche INLA-SPDE ; modèles hiérarchiques
Asri Ayoub
.
Iferroudjene Cylia
.
pages 149-164.
Talbi Fatiha
.
Benamirouche Rachid
.
pages 164-174.
Debbache Hlns
.
Roula D
.
pages 63-66.
Khalladi Rania
.
Gargouri Imen
.
Zedini Chekib
.
Ben Saad Helmi
.
pages 597-608.
Chadli Norhane
.
Benmamar Hichem El Azhari
.
pages 59-63.