Logo image
Goodness of Fit for Bayesian Generative Models with Applications in Population Genetics
Article de revue scientifique   Avec comité de lecture

Goodness of Fit for Bayesian Generative Models with Applications in Population Genetics

Guillaume Le Mailloux, Paul Bastide, Jean-Michel Marin et Arnaud Estoup
Annals of Applied Statistics
01/08/2026

Résumé

generative models goodness-of-fit statistical tests novelty detection likelihood-free population genomics Single Nucleotide Polymorphism
En génétique des populations comme dans d’autres domaines d’application, il est fréquent de recourir à des modèles dont la vraisemblance est incalculable. Les méthodes d’Approximate Bayesian Computation (ABC), ou plus généralement d’inférence fondée sur simulations (Simulation-Based Inference, SBI), reposent sur la simulation de jeux de données à partir des modèles étudiés, puis sur leur comparaison avec le jeu de données observé y_obs, en mobilisant notamment des outils avancés d’apprentissage automatique pour la sélection de modèles ou l’inférence de paramètres. Le présent travail porte sur la critique de modèles et, plus spécifiquement, sur les tests d’adéquation (Goodness of Fit, GoF) appliqués aux modèles à vraisemblance incalculable. Nous introduisons deux nouveaux tests GoF. Le test GoF pré-inférence évalue si y_obs est compatible avec la distribution prédictive a priori, tandis que le test GoF post-inférence évalue s’il existe une valeur des paramètres pour laquelle y_obs est compatible avec la distribution définie par la vraisemblance correspondante. Le test pré-inférence peut être utilisé pour éliminer rapidement un grand nombre de modèles à partir d’un nombre limité de simulations, tandis que le test post-inférence permet d’évaluer l’adéquation d’un modèle préalablement sélectionné. Les deux tests reposent sur le Local Outlier Factor (LOF ; Breunig et al., 2000), un indicateur initialement développé pour la détection d’observations atypiques et de nouveautés. Le LOF quantifie les écarts locaux de densité et permet ainsi de détecter des structures plus fines qu’une approche plus classique fondée sur les k plus proches voisins (kNN). Nous avons évalué les performances de ces deux tests GoF sur des jeux de données simulés selon trois configurations de modèles de complexité croissante, en nous concentrant sur des modèles utilisés en génétique des populations. Nous illustrons ensuite l’intérêt de ces approches à partir d’un jeu de données de polymorphismes nucléotidiques simples (SNP), afin d’évaluer des scénarios évolutifs complexes concernant les populations humaines modernes. Cette double approche des tests GoF met en évidence la complémentarité des deux méthodes : le test pré-inférence renseigne sur la validité d’un modèle dans une perspective bayésienne, tandis que le test post-inférence fournit une évaluation plus générale et plus classique de son adéquation aux données observées.

Fichiers et liens (1)

url
Find in HALAfficher

Indicateurs

1 Consultations de la notice

Détails

Logo image