Séances de cours associées à Markov Chain Monte Carlo

Composition des applications en mathématiques

Explore la composition des applications en mathématiques et l'importance de comprendre leurs propriétés.

Fonctions de cartographie et surjections

Explore les fonctions cartographiques, les surjections, les fonctions injectives et surjectives et les fonctions bijectives.

Théorie des probabilités : intégration et convergence

Couvre des sujets en théorie des probabilités, en se concentrant sur l'intégrabilité uniforme et les théorèmes de convergence.

Attentes conditionnelles

Couvre l'attente conditionnelle, le théorème de Fubini, et leurs applications dans la théorie des probabilités.

Une conjecture d'Erdös : preuve de Moreira, Richter et Robertson

Présente une courte preuve d'une conjecture d'Erdös, explorant des questions connexes et une preuve détaillée de la proposition.

Produit cartésien et induction

Présente le produit cartésien et l'induction pour les épreuves utilisant des entiers et des ensembles.

Erreur de généralisation

Explore les limites de queue, les limites d'information et les fuites maximales dans le contexte d'une erreur de généralisation.

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.

Intégration de formes différentielles

Couvre l'intégration de formes différentielles sur des variétés lisses, y compris les concepts de formes fermées et exactes.

Couplage des chaînes de Markov: théorème ergodique

Explore le couplage des chaînes de Markov et la preuve du théorème ergodique, en mettant l'accent sur la convergence des distributions et les propriétés de la chaîne.

Ergodicité géométrique : diagnostics de convergence Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre le concept d'ergodicité géométrique dans le contexte du diagnostic de convergence pour les chaînes de Markov.

Markov Chains: Réversibilité et Convergence Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les chaînes de Markov, en mettant l'accent sur la réversibilité, la convergence, l'ergonomie et les applications.

Les chaînes de Markov : théorie et applications Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la théorie et les applications des chaînes de Markov, en se concentrant sur les concepts et les propriétés clés.

Simulation stochastique : Techniques de réduction de la variance Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les techniques de simulation stochastique et de réduction de la variance, en se concentrant sur la génération de distributions variables et auxiliaires de Courra.

Estimer le temps de relaxation: variance et chaînes Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre l'estimation du temps de relaxation dans les chaînes et l'importance de la taille des échantillons.

Estimation des erreurs dans LHS Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre l'estimation des erreurs dans l'échantillonnage hypercube latin, en soulignant l'importance d'une estimation précise de la variance.

Échantillonnage stratifié: théorie et applications Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'échantillonnage stratifié, en divisant une population en sous-groupes pour un échantillonnage plus précis.

Rôle de la chaîne: Lipschitz Sit Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre le rôle de chaîne de Theoreus pour les fonctions Lipschitz et ses applications pratiques.

Dérivés faibles: définition et propriétés Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les dérivés faibles, leurs propriétés et leurs applications en analyse fonctionnelle.

Analyse IV : Ensembles et propriétés mesurables Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre le concept de mesure externe et les propriétés des ensembles mesurables.