tlasWiki
SR
Sciences et natureN° 100361

Méthode de Monte-Carlo par chaînes de Markov

Méthode de Monte-Carlo par chaînes de Markov Algorithme de Metropolis-Hastings : à chaque étape, un état y est proposé autour de l'état courant x et accepté…

ATQ8 500DEF7 540

Méthode de Monte-Carlo par chaînes de Markov

Super rareSciences et naturen° 100 361

9 251lecteurs par mois, en anglais
1fois tirée dans un paquet
—aucune vente sur 7 jours
Jouer et trouver cette carte

Ses 3 versions

  • SR
    Sciences et natureN° 100361

    Méthode de Monte-Carlo par chaînes de Markov

    Méthode de Monte-Carlo par chaînes de Markov Algorithme de Metropolis-Hastings : à chaque étape, un état y est proposé autour de l'état courant x et accepté…

    ATQ8 500DEF7 540
    Classique1 tirage
  • SRH
    Sciences et natureN° 100361

    Méthode de Monte-Carlo par chaînes de Markov

    Méthode de Monte-Carlo par chaînes de Markov Algorithme de Metropolis-Hastings : à chaque étape, un état y est proposé autour de l'état courant x et accepté…

    ATQ8 500DEF7 540
    HolographiqueJamais tirée
  • SRRB
    Sciences et natureN° 100361

    Méthode de Monte-Carlo par chaînes de Markov

    Méthode de Monte-Carlo par chaînes de Markov Algorithme de Metropolis-Hastings : à chaque étape, un état y est proposé autour de l'état courant x et accepté…

    ATQ8 500DEF7 540
    RainbowJamais tirée
Lire l'article de Wikipédia

Méthode de Monte-Carlo par chaînes de Markov Algorithme de Metropolis-Hastings : à chaque étape, un état y est proposé autour de l'état courant x et accepté avec la probabilité min(1, π(y)/π(x)); sinon la chaîne reste en x. Au fil des itérations, la répartition des états visités reproduit la loi cible π. 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.

Autres Super spéciales rares en Sciences et nature

Texte : Wikipédia, « Méthode de Monte-Carlo par chaînes de Markov », licence CC BY-SA 4.0. Image : Global Donald, CC0, via Wikimedia Commons (recadrée). Comment jouer.