Nombre de visites prévues dans l'État

Cette séance de cours traite du critère de récurrence dans des chaînes infinies en fonction du nombre attendu de visites dans un état. L'instructeur explique les propositions et les preuves liées à la récurrence et à la fugacité des états dans le contexte des chaînes de Markov. La séance de cours couvre le concept de récurrence, les états transitoires et la relation de convolution entre les probabilités. Divers lemmes et exemples sont fournis pour illustrer le nombre attendu de visites dans différents États. La séance de cours se termine par des remarques sur le nombre prévu de visites dans un état et des exemples de marches aléatoires simples dans différentes dimensions.

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Séances de cours associées (66)

Concepts associés (41)

The study of random walks finds many applications in computer science and communications. The goal of the course is to get familiar with the theory of random walks, and to get an overview of some appl

Probabilité

vignette|Quatre dés à six faces de quatre couleurs différentes. Les six faces possibles sont visibles. Le terme probabilité possède plusieurs sens : venu historiquement du latin probabilitas, il désigne l'opposé du concept de certitude ; il est également une évaluation du caractère probable d'un événement, c'est-à-dire qu'une valeur permet de représenter son degré de certitude ; récemment, la probabilité est devenue une science mathématique et est appelée théorie des probabilités ou plus simplement probabilités ; enfin une doctrine porte également le nom de probabilisme.

Théorie des probabilités

La théorie des probabilités en mathématiques est l'étude des phénomènes caractérisés par le hasard et l'incertitude. Elle forme avec la statistique les deux sciences du hasard qui sont partie intégrante des mathématiques. Les débuts de l'étude des probabilités correspondent aux premières observations du hasard dans les jeux ou dans les phénomènes climatiques par exemple. Bien que le calcul de probabilités sur des questions liées au hasard existe depuis longtemps, la formalisation mathématique n'est que récente.

Probabilité conditionnelle

vignette|Illustration des probabilités conditionnelles avec un diagramme d'Euler. On a la probabilité a priori et les probabilités conditionnelles , et .|320x320px En théorie des probabilités, une probabilité conditionnelle est la probabilité d'un événement sachant qu'un autre événement a eu lieu. Par exemple, si une carte d'un jeu est tirée au hasard, on estime qu'il y a une chance sur quatre d'obtenir un cœur ; mais si on aperçoit un reflet rouge sur la table, il y a maintenant une chance sur deux d'obtenir un cœur.

Axiomes des probabilités

En théorie des probabilités, les axiomes de probabilités, également appelés axiomes de Kolmogorov du nom d'Andreï Nikolaievitch Kolmogorov qui les a développés, désignent les propriétés que doit vérifier une application afin de formaliser l'idée de probabilité. Ces propriétés peuvent être résumées ainsi : si est une mesure sur un espace mesurable , alors doit être un espace de probabilité. Le théorème de Cox fournit une autre approche pour formaliser les probabilités, privilégiée par certains bayésiens.

Chaîne de Markov

vignette|Exemple élémentaire de chaîne de Markov, à deux états A et E. Les flèches indiquent les probabilités de transition d'un état à un autre. En mathématiques, une chaîne de Markov est un processus de Markov à temps discret, ou à temps continu et à espace d'états discret. Un processus de Markov est un processus stochastique possédant la propriété de Markov : l'information utile pour la prédiction du futur est entièrement contenue dans l'état présent du processus et n'est pas dépendante des états antérieurs (le système n'a pas de « mémoire »).

Variables aléatoires et valeur prévue CS-101: Advanced information, computation, communication I

Introduit des variables aléatoires, des distributions de probabilité et des valeurs attendues au moyen d'exemples pratiques.

Distributions conditionnelles de probabilité MATH-232: Probability and statistics

Couvre les distributions conditionnelles de probabilité et introduit le concept de la valeur attendue conditionnelle.

NISQ et IBM Q COM-309: Introduction to quantum information processing

Explore les appareils NISQ et IBM Q, couvrant les circuits quantiques bruyants, les technologies qubit et le développement d'algorithmes quantiques.

Théorie des probabilités : exemples et applications CS-101: Advanced information, computation, communication I

Explore la théorie des probabilités à travers des exemples comme les cordes bit, les essais Bernoulli, le problème Monty Hall, ainsi que le théorème généralisé des Bayes et les distributions aléatoires variables.

Probabilité et statistiques MATH-232: Probability and statistics

Couvre les concepts fondamentaux des probabilités et des statistiques, y compris les distributions, les propriétés et les attentes des variables aléatoires.