Explore les processus aléatoires avec des probabilités données et la simulation de Monte Carlo, en mettant l'accent sur l'algorithme Metropolis et les matrices stochastiques.
Couvre les processus ponctuels, les critères de convergence, les fonctions de Laplace, les processus gaussiens, les fonctions de covariance et la stationnarité intrinsèque.
Présente les chaînes de Markov, couvrant les bases, les algorithmes de génération et les applications dans les promenades aléatoires et les processus de Poisson.
