Implémentation des fonctionnalités de modélisation et de reporting décrites dans des manuels de référence et des lignes directrices : analyse de sensibilité déterministe et probabiliste, analyse de l'hétérogénéité, prise en compte de la dépendance temporelle sur le temps d'état et le temps du modèle (modèles de Markov semi-Markov et non homogènes), etc.

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.

MarmoteCore est un environnement C++ permettant la modélisation avec des chaînes de Markov. Il propose un ensemble réduit d'abstractions de haut niveau pour construire des espaces d'états, des structures de transition et des chaînes de Markov (discrètes et continues).

Package R pour l'estimation, la simulation et le calcul exact de fiabilité de modèles de Markov flottants, conçu pour modéliser la flexibilité des hétérogénéités de séquences dans des contextes tels que l'analyse de séquences d'acides nucléiques.

Librjmcmc est une bibliothèque de optimization stochastique basée sur les chaînes de Markov Monte Carlo réversibles saut avec annealing simulé. Il est conçu pour être utilisé dans des applications de modélisation spatiale.

Le projet de modélisation aide les entreprises à prendre des décisions éclairées en simulant des scénarios économiques, en analysant des données financières et en prédisant les tendances du marché.