Séance de cours

Intégration Monte Carlo : Échantillonnage non corrélé

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

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. ...

Description

Cette séance de cours couvre l'intégration de Monte Carlo grâce à un échantillonnage non corrélé, en se concentrant sur le calcul des intégrales sur plusieurs variables, les performances des supercalculateurs et l'échelle d'erreur de la méthode avec le nombre de points utilisés. Il explique également la commodité de la méthode de Monte Carlo pour les intégrales de dimensions supérieures.

Enseignant·e

Alfredo Pasquarello

Alfredo Pasquarello effectue ses études en physique à l'Ecole normale supérieure de Pise et à l'Université de Pise et obtient leurs diplômes respectifs en 1986. Il obtient le titre de Docteur ès sciences à l'EPFL en 1991 avec une thèse portant sur les transitions à plusieurs photons dans les solides. Ensuite, il effectue des recherches post-doctorales aux Laboratoires Bell (Murray Hill, New Jersey) sur les propriétés magnétiques des fullerènes de carbone. En 1993, il rejoint l'Institut romand de recherche numérique en physique des matériaux (IRRMA), où sa recherche porte sur des méthodes de simulation ab initio. En 1998, le Prix Latsis de l'EPFL lui est decerné pour son travail de recherche portant sur les matériaux à base de silice désordonnée. Bénéficiant de plusieurs subsides du Fonds National, il constitue ensuite sa propre équipe de recherche à l'IRRMA. En juillet 2003, il est nommé Professeur en Physique théorique de la matière condensée à l'EPFL. Actuellement, il dirige la Chaire de simulation à l'échelle atomique.

Source officielle

Proximité ontologique

Mathématiques

Analyse (mathématiques): Analyse numérique

Statistique

Inférence statistique: Statistique mathématique

Concepts associés (32)

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.

Calcul numérique d'une intégrale

En analyse numérique, il existe une vaste famille d’algorithmes dont le but principal est d’estimer la valeur numérique de l’intégrale définie sur un domaine particulier pour une fonction donnée (par exemple l’intégrale d’une fonction d’une variable sur un intervalle). Ces techniques procèdent en trois phases distinctes : Décomposition du domaine en morceaux (un intervalle en sous-intervalles contigus) ; Intégration approchée de la fonction sur chaque morceau ; Sommation des résultats numériques ainsi obtenus.

Ratio distribution

A ratio distribution (also known as a quotient distribution) is a probability distribution constructed as the distribution of the ratio of random variables having two other known distributions. Given two (usually independent) random variables X and Y, the distribution of the random variable Z that is formed as the ratio Z = X/Y is a ratio distribution. An example is the Cauchy distribution (also called the normal ratio distribution), which comes about as the ratio of two normally distributed variables with zero mean.

Variable aléatoire

vignette|La valeur d’un dé après un lancer est une variable aléatoire comprise entre 1 et 6. En théorie des probabilités, une variable aléatoire est une variable dont la valeur est déterminée après la réalisation d’un phénomène, expérience ou événement, aléatoire. En voici des exemples : la valeur d’un dé entre 1 et 6 ; le côté de la pièce dans un pile ou face ; le nombre de voitures en attente dans la 2e file d’un télépéage autoroutier ; le jour de semaine de naissance de la prochaine personne que vous rencontrez ; le temps d’attente dans la queue du cinéma ; le poids de la part de tomme que le fromager vous coupe quand vous lui en demandez un quart ; etc.

Loi de Poisson

En théorie des probabilités et en statistiques, la loi de Poisson est une loi de probabilité discrète qui décrit le comportement du nombre d'événements se produisant dans un intervalle de temps fixé, si ces événements se produisent avec une fréquence moyenne ou espérance connue, et indépendamment du temps écoulé depuis l'événement précédent. gauche|vignette|Chewing gums sur un trottoir. Le nombre de chewing gums sur un pavé est approximativement distribué selon une loi de Poisson.

Afficher plus

Séances de cours associées (64)

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.

Méthodes d'intégration numérique

Explore les méthodes d'intégration numérique et leur application dans la résolution d'équations différentielles et la simulation de systèmes physiques.

Dérivation numérique : formules et approches

Couvre l'approche numérique du calcul des dérivées, en se concentrant sur les formules et les méthodes telles que les différences fines.

Formules Quadrature : Intégration numérique

Couvre le concept d'intégration numérique à l'aide de formules quadrature.

Méthodes numériques stochastiques efficaces

Explore des méthodes numériques stochastiques efficaces pour la modélisation et l'apprentissage, couvrant des sujets comme le moteur d'analyse et les inhibiteurs de la kinase.

Afficher plus

Concepts associés (32)

Loi de probabilité

Calcul numérique d'une intégrale