Les modèles de processus stochastiques en une et deux dimensions jouent un rôle de plus en plus important dans la modélisation appliquée d’ensembles de données réelles en finance, modélisation des épidémies et des maladies infectieuses et autres analyses de données de santé. Dans cet atelier, nous étudierons l’analyse bayésienne des données pour lesquelles ces modèles de processus stochastiques sont largement considérés comme appropriés. Prenant pour base les méthodes développées pour les modèles non stochastiques (EDO), nous illustrerons l’utilisation des approches de Monte Carlo par chaîne de Markov (MCMC) pour l’analyse de modèles de processus stochastiques définis par un mouvement brownien ou par un processus de Levy, plus complexe. Les méthodes étudiées incluront celles basées sur l’approximation linéaire du bruit, les méthodes de particules et (si possible) le calcul bayésien exact. Nous étudierons également les méthodes bayésiennes et les approches MCMC des données spatiales (processus ponctuels).