Gestion cohérente des incertitudes en modélisation physico-chimique
Pascal PERNOT
Laboratoire de Chimie Physique à Orsay
Résumé :
Depuis quelques années, l'analyse bayésienne
s'érige comme un nouveau paradigme pour la
gestion cohérente des incertitudes dans de
nombreux domaines (gestion des risques,
métrologie, médecine, analyse du signal...).
Elle repose sur la représentation des
incertitudes par des densités de probabilité. La
cohérence des opérations sur ces incertitudes
est assurée par la théorie des probabilités.
En modélisation, cette approche est utile aussi
bien pour les problèmes directs (propagation des
incertitudes, analyse de sensibilité), que pour
les problèmes inverses (analyse des données empiriques).
Cette présentation introductive a pour but
d'illustrer les différentes étapes impliquées
dans une analyse bayésienne, sur des exemples
issus de la littérature physico-chimique et de
mes travaux au LCP. Nous en verrons les
avantages et les inconvénients, les écueils et les aspects pratiques.
