Séance de cours
Chaînes Markov: Ergodicité et distribution stationnaire
Description
Cette séance de cours couvre le concept d'ergonomie et de distribution stationnaire dans les chaînes Markov, en mettant l'accent sur les propriétés de convergence des chaînes et l'existence d'une distribution stationnaire unique. L'instructeur discute des conditions dans lesquelles les chaînes Markov présentent un comportement ergonomique et comment la distribution stationnaire peut être calculée. Divers exemples et exercices sont fournis pour illustrer ces concepts.
Source officielle
À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Proximité ontologique
Séances de cours associées (78)
NISQ et IBM Q
Explore les appareils NISQ et IBM Q, couvrant les circuits quantiques bruyants, les technologies qubit et le développement d'algorithmes quantiques.
Attente conditionnelle : Grouper le lemme
Explore l'attente conditionnelle, le lemme de regroupement et la loi des grands nombres.
Les chaînes de Markov : théorie et applications
Couvre la théorie et les applications des chaînes de Markov dans la modélisation de phénomènes aléatoires et la prise de décision sous incertitude.
Génération de nombres aléatoires quantiques
Explore la génération de nombres quantiques aléatoires, en discutant des défis et des implémentations de générer une bonne randomité à l'aide de dispositifs quantiques.
Convergence des variables aléatoires
Explore la convergence des variables aléatoires, la loi des grands nombres et la répartition du temps d'échec.