Concept
Non-uniform random variate generation
Séances de cours associées (39)
Échantillonnage de Gibbs : Annealing simulé
Couvre le concept d'échantillonnage de Gibbs et son application dans le recuit simulé.
Probabilité et statistiques
Déplacez-vous dans les probabilités, les statistiques, les paradoxes et les variables aléatoires, montrant leurs applications et propriétés du monde réel.
Échantillonnage corrélé et non corrélé
Explique l'échantillonnage corrélé et non corrélé pour générer des variables aléatoires avec des fonctions de poids données.
Générateurs de nombres aléatoires: propriétés et exemples
Couvre les générateurs de nombres uniformes et pseudo-aléatoires, les propriétés, les exemples et l'évaluation de la qualité par des tests empiriques.
Distributions de nombres aléatoires non uniformes : exemples et méthodes
Explore les distributions de nombres aléatoires non uniformes, les exemples, les méthodes et les techniques de génération.
Chaînes et algorithmes de Markov
Couvre les fondamentaux des chaînes de Markov et de leurs applications dans les algorithmes, en se concentrant sur la coloration correcte et l'algorithme Metropolis.
Probabilité et statistiques
Introduit la probabilité, les statistiques, les distributions, l'inférence, la probabilité et la combinatoire pour étudier les événements aléatoires et la modélisation en réseau.
Signaux et systèmes I: relations d'incertitude et impulsion gaussienne
Explore les relations d'incertitude, l'impulsion gaussienne, la densité de pseudo-probabilité et les fonctions de Gabor dans les signaux et les systèmes.
Distribution normale : caractéristiques et exemples
Couvre les caractéristiques et l'importance de la distribution normale, y compris des exemples et des scénarios de traitement.
Simulation et optimisation : Processus de Poisson et nombres aléatoires
Explore les pièges de simulation, les nombres aléatoires, les distributions discrètes et continues, et l'intégration Monte-Carlo.