Catégorie
Inférence bayésienne
Séances de cours associées (257)
Chaînes Markov: Ergodicité et distribution stationnaire
Explore l'ergonomie et la distribution stationnaire dans les chaînes Markov, en mettant l'accent sur les propriétés de convergence et les distributions uniques.
Quantum Monte Carlo: Concepts de base
Couvre les concepts de base de Quantum Monte Carlo et son application dans les chaînes de spin, les chaînes Markov et les simulations Monte Carlo.
Markov Chains: Concepts généraux
Couvre les concepts généraux des chaînes de Markov et leurs applications dans divers domaines.
Chaîne de Markov Monte Carlo: Échantillonnage par refus
Explore l'échantillonnage de rejet pour générer des valeurs d'échantillon à partir d'une distribution cible, ainsi que l'inférence bayésienne à l'aide de MCMC.
Entropie quantique: Chaînes Markov et États de Bell
Explore l'entropie quantique dans les chaînes Markov et les états Bell, mettant l'accent sur l'enchevêtrement.
Système Bonus Malus : probabilités de transition
Explore le système Bonus Malus pour les primes d'assurance et les probabilités de transition en chaîne de Markov.
Chaînes Markov: Introduction et propriétés
Couvre l'introduction et les propriétés des chaînes Markov, y compris les matrices de transition et les processus stochastiques.
Les chaînes de Markov : théorie et applications
Couvre la théorie et les applications des chaînes de Markov dans la modélisation de phénomènes aléatoires et la prise de décision sous incertitude.
Chaînes Markov : Exemples de chaînes ergonomiques
Couvre des modèles stochastiques pour les communications, se concentrant sur les chaînes Markov à temps discret.
Chaînes Monte Carlo Markov
Couvre la théorie des chaînes Markov et des méthodes Monte Carlo.