Markov Chain Monte Carlo

Cette séance de cours couvre la méthode Markov Chain Monte Carlo, en commençant par un exercice collaboratif sur les chaînes ergodiques et les distributions stationnaires. La séance de cours explique le concept de chaînes apothétiques, l'ajout de boucles pour améliorer la convergence, et l'algorithme Metropolis pour trouver le minimum d'une fonction. Il explore les complexités du calcul des probabilités, l'importance de la convergence en chaîne et le rôle de la température dans l'exploration des espaces d'état. L'instructeur démontre comment l'ajustement du paramètre de température organise progressivement l'exploration des états pour trouver la solution optimale.