Les chaînes de Markov : convergence et équilibre

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (31)

Page 2 sur 4

Composition des applications en mathématiques

Explore la composition des applications en mathématiques et l'importance de comprendre leurs propriétés.

Markov Chains: Réversibilité et Convergence

Couvre les chaînes de Markov, en mettant l'accent sur la réversibilité, la convergence, l'ergonomie et les applications.

Convergence des probabilités

Explore la convergence des probabilités, discutant des conditions de convergence des séquences variables aléatoires et de l'unicité de la convergence.

Chaînes et algorithmes de Markov

Explore les chaînes de Markov et les applications d'algorithmes, y compris la simulation exacte et les algorithmes Propp-Wilson.

Hidden Markov Modèles: Primer

Introduit des modèles de Markov cachés, expliquant les problèmes de base et les algorithmes comme Forward-Backward, Viterbi et Baum-Welch, en mettant laccent sur lattente-Maximisation.

Écart spectral et temps de mélange

Explore l'écart spectral et le temps de mélange dans les chaînes de Markov, y compris leurs définitions et leur comportement.

Opérations matricielles : tendances et convergence

Explore les opérations matricielles, les tendances et les conditions de convergence en mettant l'accent sur des définitions et des exemples clairs.

Fonctions caractéristiques: Définition et propriétés

Couvre les fonctions caractéristiques des variables aléatoires et leurs propriétés, y compris l'indépendance et la convergence.

Equilibre des chaînes de Markov

Explore l'équilibre dans les chaînes de Markov, couvrant les distributions invariantes, la détermination des propriétés et les applications pratiques.

Intégrales généralisées et critères de convergence

Couvre les intégrales généralisées, les critères de convergence, la convergence de séries et les séries harmoniques en analyse.