Markov Chain Monte Carlo: Échantillonnage et convergence

Cette séance de cours couvre le concept de Markov Chain Monte Carlo (MCMC) pour l'échantillonnage à partir de distributions haute dimension. Il explique les défis de l'échantillonnage lorsque la constante de normalisation est inconnue et introduit l'algorithme Metropolis-Hastings. La séance de cours traite de la construction d'une chaîne Markov avec une distribution fixe souhaitée, des conditions d'équilibre détaillées et des propriétés de convergence. Il explore également l'application du MCMC dans la pratique pour optimiser les fonctions et l'échantillonnage à partir de distributions complexes.