Simulation numérique des SDE : Monte Carlo et contrôle optimal

Séances de cours associées (32)

Page 1 sur 4

Explore le biais, la variance, les estimateurs non biaisés et les intervalles de confiance dans l'estimation statistique.

Explore les biais, la variance et les intervalles de confiance dans l'estimation des paramètres à l'aide d'exemples et de distributions.

Explore l'optimisation et l'estimation dans les méthodes Monte Carlo, en mettant l'accent sur les groupes Bayes-optimal et les estimateurs.

Examine la mesure de la qualité du MSE pour les estimateurs et le compromis entre les biais et les variations.

Couvre la méthode de Monte Carlo pour générer des réalisations et des estimateurs impartiaux.

Explore les intervalles de confiance, l'estimation gaussienne, l'inégalité Cramér-Rao et les estimations maximales de vraisemblance.

Explore des méthodes d'estimation ponctuelle comme MOM et MLE, en discutant de biais, de variance et d'exemples.

Explore l'analyse statistique, l'erreur carrée moyenne et les méthodes de piégeage dans l'optimisation et la simulation.

Couvre la méthode de Monte Carlo pour les inférences statistiques à laide doutils de simulation et destimateurs de moyenne déchantillon.

Couvre les propriétés et les estimations d'erreurs de la méthode de Monte Carlo en simulation stochastique.