Cours

MATH-414: Stochastic simulation

Résumé

The student who follows this course will get acquainted with computational tools used to analyze systems with uncertainty arising in engineering, physics, chemistry, and economics. Focus will be on sampling methods as Monte Carlo, quasi Monte Carlo, Markov Chain Monte Carlo.

Séances de cours

Enseignant·e·s

Source officielle

https://edu.epfl.ch/coursebook/fr/stochastic-simulation-MATH-414

Page Moodle

http://go.epfl.ch/MATH-414

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.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Résumé

Séances de cours

Enseignant·e·s

Source officielle

https://edu.epfl.ch/coursebook/fr/stochastic-simulation-MATH-414

Page Moodle

http://go.epfl.ch/MATH-414

À propos de ce résultat

Séances de ce cours (48)

Simulation stochastique : Fondamentaux

Présente les principes fondamentaux de la simulation stochastique, couvrant l'organisation des cours, les modèles de file d'attente, les finances, les statistiques, la physique et les détails des examens.

Générateurs de nombres aléatoires: propriétés et exemples

Couvre les générateurs de nombres uniformes et pseudo-aléatoires, les propriétés, les exemples et l'évaluation de la qualité par des tests empiriques.

Méthodes d'acceptation-rejet: Techniques avancées

Explore les techniques avancées dans les méthodes d'acceptation-rejet et l'échantillonnage à partir des distributions normales.

Méthodes d'acceptation-rejet: Techniques avancées

Explore les méthodes avancées d'acceptation-rejet, l'échantillonnage à partir de la distribution normale et la génération de variables aléatoires multivariées.

Vecteurs aléatoires gaussiens : Génération conditionnelle

Explore la génération de vecteurs aléatoires gaussiens avec des composantes spécifiques basées sur des valeurs observées et explique le concept de fonctions de covariance définies positives dans les processus gaussiens.

Afficher plus

Cours associés (32)

PHYS-467: Machine learning for physicists

Machine learning and data analysis are becoming increasingly central in sciences including physics. In this course, fundamental principles and methods of machine learning will be introduced and practised. ...

PHYS-403: Computer simulation of physical systems I

The two main topics covered by this course are classical molecular dynamics and the Monte Carlo method. ...

MATH-502: Distribution and interpolation spaces

The goal of this course is to give an introduction to the theory of distributions and cover the fundamental results of Sobolev spaces including fractional spaces that appear in the interpolation theory. Those notions are central to the study of partial dif ...

PHYS-100: Physique avancée I (mécanique)

La Physique Générale I (avancée) couvre la mécanique du point et du solide indéformable. Apprendre la mécanique, c'est apprendre à mettre sous forme mathématique un phénomène physique, en modélisant la situation et appliquant les lois de la physique. ...

PHYS-512: Statistical physics of computation

The students understand tools from the statistical physics of disordered systems, and apply them to study computational and statistical problems in graph theory, discrete optimisation, inference and machine learning. ...

Afficher plus