Papers by Judith Rousseau
Scandinavian Journal of Statistics, 2005
Risk Analysis, 2008
A novel approach to the quantitative assessment of food-borne risks is proposed. The basic idea i... more A novel approach to the quantitative assessment of food-borne risks is proposed. The basic idea is to use Bayesian techniques in two distinct steps: first by constructing a stochastic core model via a Bayesian network based on expert knowledge, and second, using the data available to improve this knowledge. Unlike the Monte Carlo simulation approach as commonly used in quantitative assessment of food-borne risks where data sets are used independently in each module, our consistent procedure incorporates information conveyed by data throughout the chain. It allows “back-calculation” in the food chain model, together with the use of data obtained “downstream” in the food chain. Moreover, the expert knowledge is introduced more simply and consistently than with classical statistical methods. Other advantages of this approach include the clear framework of an iterative learning process, considerable flexibility enabling the use of heterogeneous data, and a justified method to explore the effects of variability and uncertainty. As an illustration, we present an estimation of the probability of contracting a campylobacteriosis as a result of broiler contamination, from the standpoint of quantitative risk assessment. Although the model thus constructed is oversimplified, it clarifies the principles and properties of the method proposed, which demonstrates its ability to deal with quite complex situations and provides a useful basis for further discussions with different experts in the food chain.
Computational Statistics & Data Analysis, 2009
Electronic Journal of Statistics, 2010
Journal of Computational and Graphical Statistics, 2012
Scandinavian Journal of Statistics, 2009
Abstract. We consider the consistency of the Bayes factor in goodness of fit testing for a param... more Abstract. We consider the consistency of the Bayes factor in goodness of fit testing for a parametric family of densities against a non-parametric alternative. Sufficient conditions for consistency of the Bayes factor are determined and demonstrated with priors using certain mixtures of triangular densities.
ABSTRACT L'Importance Sampling combiné avec les algorithmes MCMC est proposée ici dans le... more ABSTRACT L'Importance Sampling combiné avec les algorithmes MCMC est proposée ici dans le cas d'estimations Bayésiennes répétées. Dans le cas particulier de nombreux jeux de données simulés sous le même modèle, l'algorithme MCMC doit être utilisé pour chaque jeu de données ce qui peut devenir coûteux en temps calcul. Puisque l'IS nécessite le choix d'une fonction d'importance, nous proposons d'utiliser l'algorithme MCMC pour des jeux de données présélectionnés et ainsi d'obtenir des réalisations de chacune des lois a posteriori correspondantes. Les estimations des paramètres sous les autres jeux de données seront alors faites via IS en ayant préalablement choisi une des lois a posteriori présélectionnées. La fonction d'importance est donc ici la loi a posteriori choisie. Une amélioration de cette procédure consiste à choisir pour chaque jeu de données une fonction d'importance différente parmi des lois a posteriori présélectionnées. Deux critères sont proposés pour ce choix. Le premier critère est basé sur la minimisation de la norme L1 de la différence entre deux densités a posteriori et le deuxième minimise la variance de l'estimation MCMC. Pour éviter le choix arbitraire de l'ensemble de lois a posteriori présélectionnées, une procédure supplémentaire de sélection automatique a été établie. Les approches évoquées ici ont été étudiées via l'étude de simulations sur trois types de modèles Poissonniens : le modèle de Poisson et deux régressions de Poisson avec ou sans extravariabilité.
Uploads
Papers by Judith Rousseau