Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Séance de cours

Cas périodique irréductible

Description

Cette séance de cours examine les résultats de convergence pour la réversibilité périodique des cas dans les chaînes de Markov. L'instructeur explique le concept de chaînes irréductibles avec une seule période, démontrant comment définir des ensembles de sites en fonction des probabilités de transition. La séance de cours traite des implications de l'apériodicité dans les chaînes périodiques et des conditions de récurrence positive dans les chaînes de naissance et de mort. De plus, le sujet des processus réversibles dans les chaînes Markov est exploré, soulignant l'importance des distributions invariantes. Des exemples de marches aléatoires sur des graphiques finis sont fournis pour illustrer l'application des mesures et des équations d'équilibre.

Enseignant·e

Thomas Mountford

D'origine britannique, né en 1961. Il a reçu la bourse présidentielle des jeunes investisseurs (Presidential Young Investigator Grant) en 1990 et le prix de la Fraternité Sloan (Sloan Fellowship) en 1991. Son travail montre que les valeurs critiques d'une classe large de de systèmes de particules proches sont égales à 1, et que, suite à plusieurs travaux sur la trajectoire du mouvement brownien, incluant une simulation numérique, le nombre d'îlots browniens en 2 dimensions tend vers l'infini quand leurs tailles tendent vers 0. Il reçoit le prix Rosenbaum en 1993 lui ouvrant ainsi les portes du Isaac Newton Institute à Cambridge. Il est également décoré par le prix Rollo Davidson en 1995 et nommé membre honoraire de l'Institute of Mathematical Statistics en 2001. Assistant Profeseur de Mathematique a UCLA 1987- 1991 Associate Professeur de Mathematique a UCLA 1991-1993 Professeur de Mathematique a UCLA 1993-2001 Professeur Departement de mathématiques, EPFL dès 2001

Source officielle

Concepts associés (28)

Chaîne de Markov

vignette|Exemple élémentaire de chaîne de Markov, à deux états A et E. Les flèches indiquent les probabilités de transition d'un état à un autre. En mathématiques, une chaîne de Markov est un processus de Markov à temps discret, ou à temps continu et à espace d'états discret. Un processus de Markov est un processus stochastique possédant la propriété de Markov : l'information utile pour la prédiction du futur est entièrement contenue dans l'état présent du processus et n'est pas dépendante des états antérieurs (le système n'a pas de « mémoire »).

Reversible process (thermodynamics)

In thermodynamics, a reversible process is a process, involving a system and its surroundings, whose direction can be reversed by infinitesimal changes in some properties of the surroundings, such as pressure or temperature. Throughout an entire reversible process, the system is in thermodynamic equilibrium, both physical and chemical, and nearly in pressure and temperature equilibrium with its surroundings. This prevents unbalanced forces and acceleration of moving system boundaries, which in turn avoids friction and other dissipation.

Processus isentropique

En thermodynamique, un processus isentropique est un processus thermodynamique au cours duquel l'entropie du système étudié reste constante. La constance de l'entropie peut être obtenue par un processus idéal qui est à la fois adiabatique et réversible. Les transferts d'énergie par travail doivent alors être sans frottement et il ne doit y avoir ni transfert d'énergie thermique (chaleur) ni transfert de matière. Un tel processus idéal est utile en ingénierie pour modéliser certains processus réels.

Time reversibility

A mathematical or physical process is time-reversible if the dynamics of the process remain well-defined when the sequence of time-states is reversed. A deterministic process is time-reversible if the time-reversed process satisfies the same dynamic equations as the original process; in other words, the equations are invariant or symmetrical under a change in the sign of time. A stochastic process is reversible if the statistical properties of the process are the same as the statistical properties for time-reversed data from the same process.

Markov model

In probability theory, a Markov model is a stochastic model used to model pseudo-randomly changing systems. It is assumed that future states depend only on the current state, not on the events that occurred before it (that is, it assumes the Markov property). Generally, this assumption enables reasoning and computation with the model that would otherwise be intractable. For this reason, in the fields of predictive modelling and probabilistic forecasting, it is desirable for a given model to exhibit the Markov property.

Afficher plus

Séances de cours associées (34)

Chaînes de Markov: Applications et analyse

Explore les chaînes de Markov, en se concentrant sur le problème de coloration et l'analyse de l'algorithme.

Chaînes Markov: Introduction et propriétés

Couvre l'introduction et les propriétés des chaînes Markov, y compris les matrices de transition et les processus stochastiques.

Chaînes et applications Markov

Explore les chaînes de Markov, le modèle Ising, l'algorithme Metropolis et la dynamique Glauber.

Chaînes et algorithmes de Markov

Couvre les chaînes de Markov et leurs applications dans les algorithmes, en se concentrant sur l'échantillonnage Markov Chain Monte Carlo et l'algorithme Metropolis-Hastings.

Hidden Markov Modèles: Primer

Introduit des modèles de Markov cachés, expliquant les problèmes de base et les algorithmes comme Forward-Backward, Viterbi et Baum-Welch, en mettant laccent sur lattente-Maximisation.

Afficher plus

Concepts associés (28)

Chaîne de Markov

Reversible process (thermodynamics)

Processus isentropique

Time reversibility

Markov model

Afficher plus