Inference driven Bayesian Experimental Design

Motivés par des applications telles que les essais cliniques, la découverte de médicaments, les tests non destructifs ou l'imagerie médicale, où l'obtention de données est coûteuse, nous étudions comment réduire les coûts des procédures d'acquisition de données en concevant les expériences les plus informatives à réaliser. En utilisant les principes bayésiens, une notion de gain d'information peut être introduite en considérant la différence entre les entropies de la prior - notre connaissance avant l'expérience, et de la postérieure - notre connaissance après l'expérience. Cela conduit au développement de la Design Expérimental Bayésien (BED), qui permet de formuler une approche expérimentale séquentielle où chaque nouvelle mesure est choisie en tenant compte et en s'adaptant aux données obtenues précédemment. Cette procédure implique une étape d'optimisation pour sélectionner l'expérience la plus appropriée à réaliser et une étape d'inférence pour mettre à jour notre connaissance sur la base des nouvelles données acquises.