Séance de cours
Fonction Discrétion : Estimation et Applications
Séances de cours associées (32)
Markov Chain Monte Carlo
Couvre la méthode Markov Chain Monte Carlo et l'algorithme Metropolis-Hastings pour générer des échantillons à partir d'une distribution de probabilité cible.
Ergodicité géométrique : diagnostics de convergence
Couvre le concept d'ergodicité géométrique dans le contexte du diagnostic de convergence pour les chaînes de Markov.
Estimer le temps de relaxation: variance et chaînes
Couvre l'estimation du temps de relaxation dans les chaînes et l'importance de la taille des échantillons.
Estimation des erreurs dans LHS
Couvre l'estimation des erreurs dans l'échantillonnage hypercube latin, en soulignant l'importance d'une estimation précise de la variance.
Simulation stochastique : Techniques de réduction de la variance
Couvre les techniques de simulation stochastique et de réduction de la variance, en se concentrant sur la génération de distributions variables et auxiliaires de Courra.
Markov Chains: Réversibilité et Convergence
Couvre les chaînes de Markov, en mettant l'accent sur la réversibilité, la convergence, l'ergonomie et les applications.
Échantillonnage stratifié: théorie et applications
Explore l'échantillonnage stratifié, en divisant une population en sous-groupes pour un échantillonnage plus précis.
Les chaînes de Markov : théorie et applications
Couvre la théorie et les applications des chaînes de Markov, en se concentrant sur les concepts et les propriétés clés.
Composition des applications en mathématiques
Explore la composition des applications en mathématiques et l'importance de comprendre leurs propriétés.
Les ombres en géométrie descriptive
Couvre les plans perpendiculaires, les traces planes et les ombres en géométrie descriptive.