Explore les langues d'Isar, de ML et de Scala, couvrant les systèmes de preuve, les règles de déduction naturelle, les définitions inductives et l'approche LCF.

Décomposition des chaînes Markov

Couvre la décomposition des chaînes de Markov, la preuve LLN, l'application du modèle d'inventaire et les coûts moyens.

Chaînes Markov en continu

Couvre la théorie de base pour les chaînes de Markov temps continu et discute de la communication, frapper les probabilités, la récurrence, et la transience.

Chaînes Markov: Introduction et propriétés

Couvre l'introduction et les propriétés des chaînes Markov, y compris les matrices de transition et les processus stochastiques.

Chaînes de naissance et de mort

Explore la transience et la récurrence dans les chaînes Markov, mettant l'accent sur les chaînes de naissance et de mort et les promenades aléatoires.

Les chaînes de Markov : convergence et équilibre

Explore les propriétés de convergence des chaînes de Markov et le calcul des récompenses moyennes à long terme.

Exemples de MCMC et estimation des erreurs

Couvre des exemples de chaîne Markov Monte Carlo et des méthodes d'estimation des erreurs.