, Les algorithmes de simulation MCMC qu'ils mettent en oeuvre sont, comme il estécritestécrit en rouge enpremì ere page de leur aide, délicatsdélicatsà manier et l'usager doit conna??treconna??tre un minimum du fonctionnement deséchantillonneursdeséchantillonneurs Mention doitêtredoitêtre faite de la possibilité d'utiliser ces logiciels depuis le langage R grâcè a des paquets adaptés pour définir les entrées ou pour traiter leséchantillonsleséchantillons MCMC obtenus Une gêne que peut rencontrer l'utilisateur de ces logiciels pour des modèles sophistiqués est qu'il est très difficile de s'assurer que le modèle qu'on a spécifié est bien le modèle que l'on voulait utiliser. Ce n'est pas un langage de programmation, on ne peut donc pas effectuer des sorties intermédiaires ou capitaliser des instructions au travers de subroutines. C'est l'origine du projet ReBaStaBa (Réseaux Bayésiens traités par Statistique Bayésienne) [b], paquet R en cours d'´ elaboration, o` u les réseaux bayésiens sont définis par des objets R associésassociésà des fonctions pour en visualiser les propriétés (impression , représentation graphique, exploration des parentés, Figure 6: Comparaison des démarches habituelle et proposée. distributions multivariables continues les exporter dans des formats utilisés par d'autres paquets centrés sur les réseaux bayésiens comme Rjags, p.les manipuler
, Quantitative Risk Assessment from Farm to Fork and Beyond: A Global Bayesian Approach Concerning Food-Borne Diseases, Risk Analysis, vol.318, issue.10, pp.557-571, 2008.
DOI : 10.1016/j.ijfoodmicro.2007.05.013
URL : https://hal.archives-ouvertes.fr/hal-01263590
, Rebastaba project, 2008.
, Jags, Just Another Gibbs Sampler, http://www-fis.iarc.fr/ ~martyn/software/jags/. [d] R Development Core Team R: A Language and Environment for Statistical Computing, 2007.
, OpenBugs, Bayesian inference Using Gibbs Sampling, 2008.