Appropriation et extensions d'un logiciel libre de traitement de r

1
Appropriation et extensions d'un logiciel libre
de traitement de réseaux bayésiens complexes
pour lappréciation quantitative des risques
alimentaires.

• Olivier GOUZE
• 21 JUIN 2005

2
But

• Mise en place de nouvelles structures pour
  lapplication au risque.
• Choisir un logiciel libre pour le traitement de
  réseaux bayesiens complexes.
• Sapproprier ce logiciel.
• Coder des extensions fonctionnelles.

3
Introduction sur lapproche bayesienne

• Théorie qui repose sur la formule de Bayes.
• Choix dune loi  a priori  sur ?.
• De plus en plus populaire gtdisponibilité
  doutils (algorithme, logiciels).
• Complexe variables continues.

4
Algorithmes Stochastiques

• Méthodes de rejet fondée sur un calcul de
  probabilité.
• Méthode de Monte Carlo par chaînes de Markov
• Métropolis-Hastings,
• Echantillonnage de Gibbs.
• Il est extrêmement difficile de contrôler la
  vitesse de convergence de la méthode.

5
Présentation des 2 logiciels

• OpenBUGS (Open Bayesian inference Using Gibbs
  Sampling)
• Sous Windows (Spiegelhalter),
• Winbugs 2.0 OpenSource depuis Novembre 2004,
• Implémenté en  Pascal Component .
• JAGS (Just Another Gibbs Sampler )
• Concurrent de OpenBUGS sous Linux (M.Plummer),
• GNU licence,
• Implémenté en  C .

6
Installation de OpenBUGS

• Installer la version exécutable de
  OpenBUGS.(http//mathstat.helsinki.fi/openbugs/)
• Incorporer les codes sources de OpenBUGS.
• Installer loutil de développement BlackBox.
• Incorporer le dossier OpenBUGS dans le dossier
  BlackBox, afin de créer une fusion des deux
  exécutables.

7
Installation de JAGS

• Vérifier la présence sur le système des
  compilateurs C (gcc/g) et FORTRAN 77 (g77).
• (Problème sous Mandrake 10.1)
• Installer la dernière version de loutil R.
• Installer JAGS.

8
Différences entre JAGS et OpenBUGS 

• Format des Données.
• JAGS code les données comme R.
• OpenBUGS a un problème de compatibilité avec R.
• Déclaration des Variables.
• Interface pour OpenBUGS.
• Directement dans la déclaration du modèle.
• Échantillonnage
• JAGS a un ensemble de distributions de
  probabilités plus limité que OpenBUGS.
• gt Certaines ayant une relative mauvaise
  performance.

9
Structure de OpenBUGS.

• Code  Code compilé
• Docu  Document/Spécification des programmes
• Rsrc  Fichiers utiles pour le développement
• (ex. Grammar.txt dans sous systeme Bugs)
• Mod  Code Pascal Component
• Sym  Code machine (fichier .osf)

10
Structure de JAGS.

• JAGS est beaucoup moins structuré que OpenBUGS.
• 2 répertoires lib/ et terminal/
• Lib/ contient les librairies utiles pour produire
  les modèles bayésiens (8 au total matrix,
  graph, sampler, model)
• Terminal/ permet la mise en place de la lecture
  des commandes dans le terminal de JAGS.

11
Choix OpenBUGS

• OpenBUGS possède plus de fonctionnalités et une
  interface utilisateur plus agréable.
• La documentation de OpenBUGS est beaucoup plus
  dense.
• Les objectifs de JAGS (extension, gratuit) sont
  obsolètes depuis le passage OpenSource de
  WinBUGS.
• Le C est plus dur à découvrir pour un néophyte
  que le Pascal Component ? JAGS est donc plus
  difficile à développer.
• Le but des 2 programmes est aujourdhui le même,
  c'est-à-dire de se fondre dans lenvironnement R
  (library pour JAGS, appel de OB par BRugs)

12
Pascal Component ?(1)

• Raffinement du langage Oberon-2
• Descendant des langages Pascal, Modula 2, Oberon.
• Principales Caractéristiques
• Structure en blocs
• Modularité
• Compilation séparée
• Typage statique avec forte vérification à la
  compilation
• Extensions de Type avec Méthodes
• Chargement dynamique de Modules
• Garbage Collector (réattribution de mémoire)

13
Pascal Component ?(2)

• Langage orienté objet
• extension de type
• Les données de type  Abstract  sont des
  enregistrements extensibles
• Templates
•  Langage orienté composant 
• modèle dobjet dynamique, fort typage

14
Implémentation sous BlackBox (1)
15
Implémentation sous BlackBox (2)

• Utilisation de Templates.
• Mot clé ABSTRACT,
• Implémenter les méthodes  mathématiques .
• Chargement des modules.
• Utilisation
• Dans les modèles,
• Comme un programme classique.

16
Résultats

• Nouvelles distributions.
• Ex. Triangular, Empirique
• Nouvelles Fonctions.
• Ex. Quantile
• Utilisation pour létude du risque.
• Sanitaire (publication de Spiegelhalter)
• Alimentaire

17
Application au risque alimentaire

• model
• mu dempirique(20,x,y)
• Maintenant on ajoute les données
• list(
• yc( 1, 2,3, 4, 5, 6, 7, 8, 9, 10, 11, 12,
  13, 14, 15, 16,17, 18,19, 20),
• xc(5, 10 ,15, 10 ,5, 10 ,15, 5, 0, 0, 10
  ,15, 10,5, 10, 5 , 0, 20, 5)
• )

18
Ouvertures

• Templates sont contraignants
• Absence de Template pour les distributions
  discrètes
• Absence de Template pour les distributions
  multivariables
• Regarder  plus profondément  le code
• Contrôler certains facteurs.
• Afficher des messages derreurs explicites.
• Interface utilisateur (ex. chargement du modèle)
• Exportation des résultats.