Séance de cours

Chaîne de Markov: Configuration Échantillonnage

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.

Dans cours

CH-351: Molecular dynamics and Monte-Carlo simulation

Introduction to molecular dynamics and Monte-Carlo simulation methods. ...

Description

Cette séance de cours explique le concept d'un processus de Markov et d'une chaîne de Markov dans le contexte de l'algorithme de Metropolis pour générer des configurations aléatoires dans l'espace de configuration avec les poids relatifs corrects de Boltzmann. L'instructeur discute de l'importance de commencer par une configuration initiale appropriée, d'apporter des modifications aléatoires au système et d'accepter ou de rejeter de nouvelles configurations en fonction de leurs poids Boltzmann relatifs.

Enseignant·e

Ursula Röthlisberger

U. Röthlisberger was born in Solothurn (Switzerland). In 1988 she made her diploma in Physical Chemistry in the group of Prof. Ernst Schumacher at the University of Berne (Switzerland). Her Ph.D. thesis was done in collaboration with Dr. Wanda Andreoni at the IBM Zurich Research Laboratory in Rüschlikon. After finishing her Ph.D in 1991 she spent some time as a postdoctoral research assistant at the IBM Research Lab. From 1992-1995 she was a postdoctoral research assistant in the group of Prof. Michael L. Klein at the University of Pennsylvania in Philadelphia (USA). In 1994 she was awarded an advanced researcher fellowship (Profil 2) from the Swiss National Science Foundation. Before starting her Profile 2-fellowship she spent another year as postdoctoral research assistant in the group of Prof. Michele Parrinello at the Max-Planck-Institute for Solid State Physics in Stuttgart, Germany. In 1996 she moved as Profile 2-fellow to the ETH in Zurich, hosted by the group of Prof. Wilfred F. van Gunsteren. In 1997 she became Assistant Professor of Computer-Aided Inorganic Chemistry at the ETH Zurich.

Source officielle

Proximité ontologique

Physique

Thermodynamique: Statistical mechanics

Concepts associés (32)

Probabilité

vignette|Quatre dés à six faces de quatre couleurs différentes. Les six faces possibles sont visibles. Le terme probabilité possède plusieurs sens : venu historiquement du latin probabilitas, il désigne l'opposé du concept de certitude ; il est également une évaluation du caractère probable d'un événement, c'est-à-dire qu'une valeur permet de représenter son degré de certitude ; récemment, la probabilité est devenue une science mathématique et est appelée théorie des probabilités ou plus simplement probabilités ; enfin une doctrine porte également le nom de probabilisme.

Échantillonnage (statistiques)

thumb|Exemple d'échantillonnage aléatoire En statistique, l'échantillonnage désigne les méthodes de sélection d'un sous-ensemble d'individus (un échantillon) à l'intérieur d'une population pour estimer les caractéristiques de l'ensemble de la population. Cette méthode présente plusieurs avantages : une étude restreinte sur une partie de la population, un moindre coût, une collecte des données plus rapide que si l'étude avait été réalisé sur l'ensemble de la population, la réalisation de contrôles destructifs Les résultats obtenus constituent un échantillon.

Théorie des probabilités

La théorie des probabilités en mathématiques est l'étude des phénomènes caractérisés par le hasard et l'incertitude. Elle forme avec la statistique les deux sciences du hasard qui sont partie intégrante des mathématiques. Les débuts de l'étude des probabilités correspondent aux premières observations du hasard dans les jeux ou dans les phénomènes climatiques par exemple. Bien que le calcul de probabilités sur des questions liées au hasard existe depuis longtemps, la formalisation mathématique n'est que récente.

Loi de probabilité

thumb|400px 3 répartitions.png En théorie des probabilités et en statistique, une loi de probabilité décrit le comportement aléatoire d'un phénomène dépendant du hasard. L'étude des phénomènes aléatoires a commencé avec l'étude des jeux de hasard. Jeux de dés, tirage de boules dans des urnes et jeu de pile ou face ont été des motivations pour comprendre et prévoir les expériences aléatoires. Ces premières approches sont des phénomènes discrets, c'est-à-dire dont le nombre de résultats possibles est fini ou infini dénombrable.

Échantillonnage stratifié

vignette|Vous prenez un échantillon aléatoire stratifié en divisant d'abord la population en groupes homogènes (semblables en eux-mêmes) (strates) qui sont distincts les uns des autres, c'est-à-dire. Le groupe 1 est différent du groupe 2. Ensuite, choisissez un EAS (échantillon aléatoire simple) distinct dans chaque strate et combinez ces EAS pour former l'échantillon complet. L'échantillonnage aléatoire stratifié est utilisé pour produire des échantillons non biaisés.

Afficher plus

Séances de cours associées (64)

Génération de langage naturel: Décodage et formation

Explore les défis dans la génération de langage naturel, le décodage des algorithmes, les problèmes de formation et les fonctions de récompense.

Probabilités et processus stochastiques

Couvre la probabilité appliquée, les processus stochastiques, les chaînes de Markov, l'échantillonnage de rejet et les méthodes d'inférence bayésienne.

Éléments de la statistique : probabilité et variables aléatoires

Introduit des concepts clés en variables de probabilité et aléatoires, couvrant les statistiques, les distributions et la covariance.

Échantillonnage de l'Ensemble Canonique

Explore l'échantillonnage de l'ensemble canonique, des fluctuations de température, de la distribution lagrangienne étendue et de Maxwell-Boltzmann dans les simulations de dynamique moléculaire.

Intervalles de confiance : définition et estimation

Explique les intervalles de confiance, les méthodes d'estimation des paramètres et le théorème de la limite centrale dans l'inférence statistique.

Afficher plus

Concepts associés (32)

Probabilité

Échantillonnage (statistiques)

Théorie des probabilités

Loi de probabilité

Échantillonnage stratifié

Afficher plus