Ce projet consiste en une étude de la signature énergétique des bâtiments à partir de données nationales, en utilisant l'inférence bayésienne pour définir des archétypes statistiques de bâtiments. Il contient le code et les données utilisés pour la publication [Bayesian inference of dwellings energy signature at national scale: case of the French residential stock](https://www.mdpi.com/1262982) dans MDPI Energies.

Le package R bever est un outil dédié aux approches bayésiennes en modélisation d'événements extrêmes, avec un focus sur l'inférence de chaînes de Markov Monte-Carlo. Il ne met pas en œuvre directement l'estimation bayésienne ou l'inférence de tout modèle d'événements extrêmes, qui sont laissées à la discrétion du package revdbayes ou d'autres samplers MCMC tels que JAGS ou Stan. L'objectif de bever est de produire des résultats ou des graphiques classiques tels que des tableaux de retour ou des graphiques.

Le package beverstan pour R est un package privé financé par IRSN/Behrig. Il effectue l'inférence bayésienne pour certains modèles de valeurs extrêmes. Actuellement, il s'agit simplement de modèles « à variation temporelle » avec des marges GEV pour les maxima de blocs, généralement les maxima annuels. La fonction TVGEVBayes dispose d'une interface similaire à celle de NSGEV::TVGEV. Elle permet en outre d'utiliser des données historiques via son argument timeMAXdata.

Ce projet consiste en une analyse bayésienne de données sur la présence du virus Ebola chez les chauves-souris au Cameroun. Il inclut le nettoyage et le filtrage des données, la construction d'un modèle à l'aide du langage R et de la bibliothèque Nimble, et la génération de visualisations et d'inférences à partir des résultats de l'analyse.

Cimem est un package Python qui implémente la Connectivité Informée Maximum d'Entropie sur la Moyenne, une méthode d'inférence bayésienne pour l'analyse de données textuelles. Il repose sur les packages numpy et scipy et est compatible avec Python 3.

DiceKriging est un package R dédié à l'inférence bayésienne et à l'optimisation de fonctions coûteuses. Il fournit des méthodes de krigeage pour l'analyse de sensibilité et la prédiction de sorties de modèles informatiques.

EasyABC est un package R destiné à simplifier les méthodes d'inférence bayésienne par échantillonnage approché (Approximate Bayesian Computation, ABC). Il offre des schémas d'échantillonnage efficaces pour les méthodes ABC.

Scalabc est une bibliothèque permettant de réaliser des simulations d'inférence bayésienne approximative (Approximate Bayesian Computation ou ABC) dans des modèles complexes. Il fournit une API pour les schémas d'échantillonnage ABC et permet de personnaliser les algorithmes en fournissant sa propre fonction de distance et sa propre fonction de mouvement de particules.

Un package Python permettant d'obtenir de manière répétée les distributions marginales d'un réseau bayésien à l'aide d'inférences exactes.