Séance de cours

Simulation stochastique : Quantification de l'incertitude

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

MATH-414: Stochastic simulation

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, Mark ...

Description

Cette séance de cours couvre les aspects mathématiques et algorithmiques de la quantification de l'incertitude, en se concentrant sur les méthodes Quasi Monte Carlo, Monte Carlo brut, et les mesures de divergence. Il explique comment approximer les intégrales en utilisant des formules de cubature de poids égal et discute des applications dans lestimation des volumes et des fonctions de divergence.

Enseignant·e

Fabio Nobile

Enseignement et PhD Doctorant·es actuel·les Veronica Montanaro, Matteo Raviola, Francesca Bettinelli, Eliott Van Dieren, Riccardo Saporiti, Giacomo Mossinelli, Noé Stauffer, Fabio Zoccolan A dirigé les thèses EPFL de Diane Sylvie Guignard, Francesco Tesei, Eleonora Musharbash, Matthieu Claude Martin, Davide Pradovera, Sundar Subramaniam Ganesh, Eva Vidlicková, Juan Pablo Madrigal Cianci, Andrea Zanoni, Thomas Simon Spencer Trigo Trindade A co-dirigé les thèses EPFL de Michele Pisaroni Cours Analyse avan

Source officielle

Concepts associés (32)

Suite à discrépance faible

En mathématiques, une suite à discrépance faible est une suite ayant la propriété que pour tout entier N, la sous-suite x1, ..., xN a une discrépance basse. Dans les faits, la discrépance d'une suite est faible si la proportion des points de la suite sur un ensemble B est proche de la valeur de la mesure de B, ce qui est le cas en moyenne (mais pas pour des échantillons particuliers) pour une suite équidistribuée. Plusieurs définitions de la discrépance existent selon la forme de B (hypersphères, hypercubes, etc.

Psychologie mathématique

La psychologie mathématique est une approche de la recherche psychologique basée sur la modélisation mathématique des processus perceptifs, cognitifs et moteurs, et sur l'établissement de règles qui relient les caractéristiques de stimulus quantifiables à un comportement quantifiable. L'approche mathématique est utilisée dans le but de dériver des hypothèses plus exactes et de produire ainsi des validations empiriques plus strictes. Le comportement quantifiable est en pratique souvent constitué par la performance de la tâche.

Méthode de Monte-Carlo par chaînes de Markov

Les méthodes de Monte-Carlo par chaînes de Markov, ou méthodes MCMC pour Markov chain Monte Carlo en anglais, sont une classe de méthodes d'échantillonnage à partir de distributions de probabilité. Ces méthodes de Monte-Carlo se basent sur le parcours de chaînes de Markov qui ont pour lois stationnaires les distributions à échantillonner. Certaines méthodes utilisent des marches aléatoires sur les chaînes de Markov (algorithme de Metropolis-Hastings, échantillonnage de Gibbs), alors que d'autres algorithmes, plus complexes, introduisent des contraintes sur les parcours pour essayer d'accélérer la convergence (Monte Carlo Hybride, Surrelaxation successive).

Stochastique

Le mot stochastique est synonyme d', en référence au hasard et s’oppose par définition au déterminisme. Stochastique est un terme d'origine grecque qui signifie « basé sur la conjecture ». En français, il est couramment utilisé pour décrire des phénomènes aléatoires ou imprévisibles. Dans les mathématiques et la statistique, « stochastique » fait référence à des processus qui sont déterminés par des séquences de mouvements aléatoires. Cela inclut tout ce qui est aléatoire ou imprévisible en fonction des informations actuellement disponibles.

Uncertainty quantification

Uncertainty quantification (UQ) is the science of quantitative characterization and estimation of uncertainties in both computational and real world applications. It tries to determine how likely certain outcomes are if some aspects of the system are not exactly known. An example would be to predict the acceleration of a human body in a head-on crash with another car: even if the speed was exactly known, small differences in the manufacturing of individual cars, how tightly every bolt has been tightened, etc.

Afficher plus

Séances de cours associées (64)

Significations géométriques : Division euclidienne et proportion divine

Explore la signification historique et mathématique de la division euclidienne et de la proportion divine dans la géométrie et l'art.

Équations de Fokker-Planck & KPZ

Explore les équations de Fokker-Planck et de KPZ dans des processus stochastiques et des modèles de croissance aléatoires.

Algorithmes et croissance des fonctions

Couvre les algorithmes d'optimisation, l'appariement stable et la notation Big-O pour l'efficacité de l'algorithme.

Simulation stochastique : ensembles de points à faible discrépance

Explore les ensembles de points à faible discrétance dans la simulation stochastique et leurs algorithmes de construction.

Arithmétique Modulaire : Fondements et Applications

Présente l'arithmétique modulaire, ses propriétés et ses applications en cryptographie et en théorie du codage.

Afficher plus

Concepts associés (32)

Suite à discrépance faible

Psychologie mathématique

Méthode de Monte-Carlo par chaînes de Markov

Stochastique

Uncertainty quantification

Afficher plus