Séance de cours

Motion Brownian : Fondements et demandes

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.

Description

Cette séance de cours couvre les principes fondamentaux du mouvement brownien, à commencer par l'article de 1908 de Paul Langevin et les contributions des processus Einstein et Markov. Il s'inscrit dans la description mathématique du mouvement brownien, y compris les dimensions symétriques, la position des particules et les fonctions de distribution. La séance de cours explore également l'équation du mouvement pour les particules, les fonctions de probabilité et les expansions de Taylor, fournissant un aperçu des processus de diffusion et de leurs applications.

Source officielle

Proximité ontologique

Statistique

Inférence statistique: Statistique mathématique

Concepts associés (32)

Fonction de répartition

En théorie des probabilités, la fonction de répartition, ou fonction de distribution cumulative, d'une variable aléatoire réelle X est la fonction F_X qui, à tout réel x, associe la probabilité d’obtenir une valeur inférieure ou égale : Cette fonction est caractéristique de la loi de probabilité de la variable aléatoire.

Variable aléatoire à densité

En théorie des probabilités, une variable aléatoire à densité est une variable aléatoire réelle, scalaire ou vectorielle, pour laquelle la probabilité d'appartenance à un domaine se calcule à l'aide d'une intégrale sur ce domaine. La fonction à intégrer est alors appelée « fonction de densité » ou « densité de probabilité », égale (dans le cas réel) à la dérivée de la fonction de répartition. Les densités de probabilité sont les fonctions essentiellement positives et intégrables d'intégrale 1.

Loi de probabilité à plusieurs variables

vignette|Représentation d'une loi normale multivariée. Les courbes rouge et bleue représentent les lois marginales. Les points noirs sont des réalisations de cette distribution à plusieurs variables. Dans certains problèmes interviennent simultanément plusieurs variables aléatoires. Mis à part les cas particuliers de variables indépendantes (notion définie ci-dessous) et de variables liées fonctionnellement, cela introduit la notion de loi de probabilité à plusieurs variables autrement appelée loi jointe.

Fonction de masse (probabilités)

En théorie des probabilités, la fonction de masse est la fonction qui donne la probabilité de chaque issue ( résultat élémentaire) d'une expérience aléatoire. C'est souvent ainsi que l'on définit une loi de probabilité discrète. Elle se distingue de la fonction de densité, de la densité de probabilité, en ceci que les densités de probabilité ne sont définies que pour des variables aléatoires absolument continues, et que ce sont leurs intégrales sur des domaines qui ont valeurs de probabilités (et non leurs valeurs en des points).

Distribution (mathématiques)

En analyse mathématique, une distribution (également appelée fonction généralisée) est un objet qui généralise la notion de fonction et de mesure. La théorie des distributions étend la notion de dérivée à toutes les fonctions localement intégrables et au-delà, et est utilisée pour formuler des solutions à certaines équations aux dérivées partielles. Elles sont importantes en physique et en ingénierie où beaucoup de problèmes discontinus conduisent naturellement à des équations différentielles dont les solutions sont des distributions plutôt que des fonctions ordinaires.

Afficher plus

Séances de cours associées (64)

Variables aléatoires continues

Couvre les variables aléatoires continues, les fonctions de densité de probabilité et les distributions, avec des exemples pratiques.

Limites fondamentales de l'apprentissage basé sur le graduat

S'inscrit dans les limites fondamentales de l'apprentissage par gradient sur les réseaux neuronaux, couvrant des sujets tels que le théorème binôme, les séries exponentielles et les fonctions génératrices de moments.

Variables aléatoires continues

Explore les variables aléatoires continues, les fonctions de densité, les variables articulaires, l'indépendance et les densités conditionnelles.

Variables aléatoires continues : idées de base

Explore les variables aléatoires continues et leurs propriétés, y compris les fonctions de support et de distribution cumulative.

Probabilité et statistiques

Explore les variables aléatoires conjointes, la densité conditionnelle et l'indépendance en probabilités et en statistiques.

Afficher plus

Concepts associés (32)

Fonction de répartition

Variable aléatoire à densité

Loi de probabilité à plusieurs variables

Fonction de masse (probabilités)

Distribution (mathématiques)

Afficher plus