Ce projet développe des outils pour modéliser la dynamique virale intra-vectorielle des arbovirus et effectuer des inférences statistiques. Il permet d'estimer des paramètres épidémiologiques et de comparer différents modèles pour comprendre la transmission des virus. Les résultats sont utilisés pour éclairer les décisions en santé publique et la recherche sur les maladies vectorielles.

Outil dédié à l'inférence de paramètres via l'algorithme d'approximation du bruit linéaire filtré pour le calcul de vraisemblance. Permet de modéliser et analyser des processus stochastiques en utilisant des méthodes statistiques avancées pour des applications en science des données ou en physique théorique.

Bibliothèque logicielle dédiée à la modélisation et à l'inférence de modèles graphiques probabilistes. Elle permet de manipuler des densités de probabilité, d'estimer des paramètres à partir de données, de générer des échantillons aléatoires et d'analyser des séquences complexes. Utilisée principalement en statistiques, en apprentissage automatique et en traitement du signal pour résoudre des problèmes d'inférence et de prédiction.

Outil de simulation statistique avancée utilisant des méthodes de Monte Carlo par chaînes de Markov (MCMC). Permet d'analyser des modèles complexes en évaluant leur convergence et en explorant efficacement l'espace des paramètres. Idéal pour les chercheurs et data scientists travaillant sur des problèmes d'inférence bayésienne ou nécessitant des simulations stochastiques précises.