m

Documents  Critères de recherche : "Monte Carlo methods" | enregistrements trouvés : 26

O

-A +A

P Q

Déposez votre fichier ici pour le déplacer vers cet enregistrement.

Research talks;Probability and Statistics

In this short course, we recall the basics of Markov chain Monte Carlo (Gibbs & Metropolis sampelrs) along with the most recent developments like Hamiltonian Monte Carlo, Rao-Blackwellisation, divide & conquer strategies, pseudo-marginal and other noisy versions. We also cover the specific approximate method of ABC that is currently used in many fields to handle complex models in manageable conditions, from the original motivation in population genetics to the several reinterpretations of the approach found in the recent literature. Time allowing, we will also comment on the programming developments like BUGS, STAN and Anglican that stemmed from those specific algorithms. In this short course, we recall the basics of Markov chain Monte Carlo (Gibbs & Metropolis sampelrs) along with the most recent developments like Hamiltonian Monte Carlo, Rao-Blackwellisation, divide & conquer strategies, pseudo-marginal and other noisy versions. We also cover the specific approximate method of ABC that is currently used in many fields to handle complex models in manageable conditions, from the original motivation in population ...

65C05 ; 65C40 ; 60J10 ; 62F15

... Lire [+]

Déposez votre fichier ici pour le déplacer vers cet enregistrement.


ISBN 978-3-540-16070-0

Lecture notes in physics , 0240

Localisation : Colloque 1er étage (CADA)

methodes # monte carlo # physique statistique

65C05

... Lire [+]

Déposez votre fichier ici pour le déplacer vers cet enregistrement.

- 448 p.
ISBN 978-0-387-98335-6

Lecture notes in statistics , 0127

Localisation : Colloque 1er étage (SALZ)

approche à logarithmique # décomposition quasi-méthode de Monté-Carlo # estimateur # générateur de nombres aléatoires # marche aléatoire # méthode de Monté Carlo # probabilité statistique # simulation # séquence aléatoire # test # traitement numérique # équation de transport

65-06

... Lire [+]

Déposez votre fichier ici pour le déplacer vers cet enregistrement.

- 467 p.
ISBN 978-0-7923-5551-9

NATO science series : series c : mathematical and physical sciences , 0525

Localisation : Colloque 1er étage (NEW)

analyse numérique # chimie # mécanique statistique # méthode de Monté Carlo # méthode de probabilité # physique # physique quantique # simulaton # structure de la matière # théorie des champs quantique # équation différentielle stochastique # équilibre

65C05 ; 81-06 ; 82-06 ; 82E80

... Lire [+]

Déposez votre fichier ici pour le déplacer vers cet enregistrement.

- 228 p.
ISBN 978-0-8218-1992-0

Fields institute communications , 0026

Localisation : Collection 1er étage

probabilité # analyse numérique # méthode de Monte-Carlo # chaîne de Markov # physique statistique # processus de Markov # simulation # modélisation numérique

65C05 ; 60-06

... Lire [+]

Déposez votre fichier ici pour le déplacer vers cet enregistrement.

- 698 p.
ISBN 978-3-540-74495-5

Localisation : Colloque 1er étage (ULM)

analyse numérique # méthide de Monte Carlo # généralisation des nombres aléatoires # nombres pseudo-aléatoires # intégarion numérique # quadrature # irrégularité de distribution # géométrie algorithmique # équation intégrale # mathématiques pour l'économie

11K45 ; 65-06 ; 65C05 ; 65C10 ; 11K38 ; 65D18 ; 65D30 ; 65D32 ; 65R20 ; 91B28

... Lire [+]

Déposez votre fichier ici pour le déplacer vers cet enregistrement.

- xii; 672 p.
ISBN 978-3-642-04106-8

Localisation : Colloque 1er étage (MONT)

chaîne de Markov # méthode de Monte-Carlo # Quasi Monte-Carlo

11K45 ; 65-06 ; 65C05 ; 65C10 ; 11K38 ; 65D18 ; 65D30 ; 65D32 ; 65R20 ; 91B28 ; 00B25

... Lire [+]

Déposez votre fichier ici pour le déplacer vers cet enregistrement.

- xii; 732 p.
ISBN 978-3-642-27439-8

Springer proceedings in mathematics & statistics

Localisation : Colloque 1er étage (WARS)

méthode de Monte Carlo # méthode de quasi-Monte Carlo # statistique en grande dimension # finance # analyse numérique # probabilités # chaîne de Markov

65-06 ; 65C05 ; 65C60 ; 60-06 ; 60J10 ; 60J22 ; 00B25 ; 11K45 ; 65C10 ; 11K38 ; 65D18 ; 65D30 ; 65D32 ; 65R20 ; 91B25

... Lire [+]

Déposez votre fichier ici pour le déplacer vers cet enregistrement.

Research schools;Partial Differential Equations;Probability and Statistics;Numerical Analysis and Scientific Computing

We will first recall, for a general audience, the use of Monte Carlo and Multi-level Monte Carlo methods in the context of Uncertainty Quantification. Then we will discuss the recently developed Adaptive Multilevel Monte Carlo (MLMC) Methods for (i) It Stochastic Differential Equations, (ii) Stochastic Reaction Networks modeled by Pure Jump Markov Processes and (iii) Partial Differential Equations with random inputs. In this context, the notion of adaptivity includes several aspects such as mesh refinements based on either a priori or a posteriori error estimates, the local choice of different time stepping methods and the selection of the total number of levels and the number of samples at different levels. Our Adaptive MLMC estimator uses a hierarchy of adaptively refined, non-uniform time discretizations, and, as such, it may be considered a generalization of the uniform discretization MLMC method introduced independently by M. Giles and S. Heinrich. In particular, we show that our adaptive MLMC algorithms are asymptotically accurate and have the correct complexity with an improved control of the multiplicative constant factor in the asymptotic analysis. In this context, we developed novel techniques for estimation of parameters needed in our MLMC algorithms, such as the variance of the difference between consecutive approximations. These techniques take particular care of the deepest levels, where for efficiency reasons only few realizations are available to produce essential estimates. Moreover, we show the asymptotic normality of the statistical error in the MLMC estimator, justifying in this way our error estimate that allows prescribing both the required accuracy and confidence level in the final result. We present several examples to illustrate the above results and the corresponding computational savings. We will first recall, for a general audience, the use of Monte Carlo and Multi-level Monte Carlo methods in the context of Uncertainty Quantification. Then we will discuss the recently developed Adaptive Multilevel Monte Carlo (MLMC) Methods for (i) It Stochastic Differential Equations, (ii) Stochastic Reaction Networks modeled by Pure Jump Markov Processes and (iii) Partial Differential Equations with random inputs. In this context, the notion ...

65C30 ; 65C05 ; 60H15 ; 60H35 ; 35R60

... Lire [+]

Déposez votre fichier ici pour le déplacer vers cet enregistrement.

Research schools;Partial Differential Equations;Probability and Statistics;Numerical Analysis and Scientific Computing

We describe and analyze the Multi-Index Monte Carlo (MIMC) and the Multi-Index Stochastic Collocation (MISC) method for computing statistics of the solution of a PDE with random data. MIMC is both a stochastic version of the combination technique introduced by Zenger, Griebel and collaborators and an extension of the Multilevel Monte Carlo (MLMC) method first described by Heinrich and Giles. Instead of using first-order differences as in MLMC, MIMC uses mixed differences to reduce the variance of the hierarchical differences dramatically. These mixed differences yield new and improved complexity results, which are natural generalizations of Giles's MLMC analysis, and which increase the domain of problem parameters for which we achieve the optimal convergence. On the same vein, MISC is a deterministic combination technique based on mixed differences of spatial approximations and quadratures over the space of random data. Provided enough mixed regularity, MISC can achieve better complexity than MIMC. Moreover, we show that, in the optimal case, the convergence rate of MISC is only dictated by the convergence of the deterministic solver applied to a one-dimensional spatial problem. We propose optimization procedures to select the most effective mixed differences to include in MIMC and MISC. Such optimization is a crucial step that allows us to make MIMC and MISC computationally efficient. We show the effectiveness of MIMC and MISC in some computational tests using the mimclib open source library, including PDEs with random coefficients and Stochastic Interacting Particle Systems. Finally, we will briefly discuss the use of Markovian projection for the approximation of prices in the context of American basket options. We describe and analyze the Multi-Index Monte Carlo (MIMC) and the Multi-Index Stochastic Collocation (MISC) method for computing statistics of the solution of a PDE with random data. MIMC is both a stochastic version of the combination technique introduced by Zenger, Griebel and collaborators and an extension of the Multilevel Monte Carlo (MLMC) method first described by Heinrich and Giles. Instead of using first-order differences as in MLMC, ...

65C30 ; 65C05 ; 60H15 ; 60H35 ; 35R60 ; 65M70

... Lire [+]

Déposez votre fichier ici pour le déplacer vers cet enregistrement.

Research schools;Number Theory;Probability and Statistics;Jean-Morlet Chair

62-XX

... Lire [+]

Déposez votre fichier ici pour le déplacer vers cet enregistrement.

- 241 p.
ISBN 978-0-89871-295-7

CBMS-NSF regional conference series in applied mathematics , 0063

Localisation : Collection 1er étage

corps fini # ensemble de points et suite à faible écart # fraction continue # générateur de vecteur pseudoaléatoire # génération de nombres aléatoires # méthode de Monte Carlo # méthode quasi-Monte Carlo # nombre pseudo-aléatoire de congruence non linéaire # nombre pseudoaléatoire à registre de décalage # optimisation # règle de treillis pour intégration numérique # réseau # suite (t,s) # suite récurrente linéaire

11A55 ; 11Txx ; 65C05 ; 65C10

... Lire [+]

Déposez votre fichier ici pour le déplacer vers cet enregistrement.

- 208 p.
ISBN 978-3-540-09402-9

Springer series in optical sciences , 0012

Localisation : Ouvrage RdC (Mont)

algorithme de Monté Carlo # atmosphère et océan # atmosphère sphèrique # estimation de la fonction de corrélation # fluctuation de lumière forte # milieu turbulent # méthode de Monté Carlo # optique atmosphérique # problème direct et inverse # problème non stationnaire # propagation de faisceau étroit # résolution de l'équation intégrale de transfert # théorie de transfert radiatif # équation de transfert

76Fxx ; 78A10 ; 85A25 ; 86A05 ; 86A10

... Lire [+]

Déposez votre fichier ici pour le déplacer vers cet enregistrement.

- 376 p.
ISBN 978-3-540-09018-2

Topics in current physics , 0007

Localisation : Ouvrage RdC (Mont)

cinétique des changements de phase # croissance cristalline # diagramme de phase de système magnétique # digramme de phase de mélange # méthode de Monté Carlo # physique des surfaces # physique statistique # phénomène de relaxation # problème quantique à plusieurs corps # ralentissement critique # simulation de Monté Carlo # simulation de petit système # simulation des fluides classiques # système désordonné

65C05 ; 68U20 ; 82-XX ; 82D25 ; 82D30

... Lire [+]

Déposez votre fichier ici pour le déplacer vers cet enregistrement.

- Pp. 405-810
ISBN 978-0-521-37012-7

Cambridge monographs on mathematical physics

Localisation : Ouvrage RdC (ITZY)

intégrale grassmanienne # modèle XY # modèle de Ising de dimension 2 # mouvement brownien dans le champ euclidien # mécanique quantique # mécanique statistique # méthode du groupe de rénormalisation # rupture spontanée # symétrie # théorie des champs continus # transformation d'échelle # treillis dans les champs de jauge

51M05 ; 60J65 ; 81R40 ; 82B20 ; 82C20

... Lire [+]

Déposez votre fichier ici pour le déplacer vers cet enregistrement.

- 386 p.
ISBN 978-0-387-98935-8

Springer series in statistics

Localisation : Ouvrage RdC (CHEN)

analyse de chemin # analyse multivariée # analyse numérique # calcul de simulation # chaine de Markov # constante de normalisation # estimation bayesienne # inférence paramétrique # méthode de Monté-Carlo # méthode probabiliste # paramètre de contrainte # processus stochastique # ratio d'estimation # régression # statistique # statistique bayesienne # table de contingence # théorie de décision # échantillon # équation différentielle stochastique

60J10 ; 62F15 ; 62H17 ; 62J12 ; 62M10 ; 65C05

... Lire [+]

Déposez votre fichier ici pour le déplacer vers cet enregistrement.

- 247 p.
ISBN 978-0-387-98522-0

Statistics and computing

Localisation : Ouvrage RdC (GENT)

calcul numérique # distribution uniforme # génération de nombre aléatoire # interval # mathématique appliquée # méthode de Monté Carlo # méthode de simulation # processus pseudo-stochastique # séquence # transformation # variable aléatoire # échantillon pseudo-aléatoire

11K45 ; 65C05 ; 65C10 ; 68U20

... Lire [+]

Déposez votre fichier ici pour le déplacer vers cet enregistrement.

- 103 p.
ISBN 978-0-8218-2978-3

Fields institute monographs , 0016

Localisation : Collection 1er étage;Réserve

statistique # analyse numérique # méthode de Monte Carlo# théorie cinétique des gaz # nombre aléatoire # générateur pseudo-aléatoire # chaîne de Markov # modèle d'Ising # technique de réduction de variance

65C05 ; 60-01 ; 60J10 ; 65C10 ; 82B80

... Lire [+]

Déposez votre fichier ici pour le déplacer vers cet enregistrement.

- 581 p.
ISBN 978-0-387-95146-1

Statistics for engineering and information science

Localisation : Ouvrage RdC (Sequ)

méthode de simulation # modèle dynamique # système de particule # échantillonnage d'importance # analyse séquentielle

00B15 ; 65-06 ; 62-06

... Lire [+]

Déposez votre fichier ici pour le déplacer vers cet enregistrement.

- 507 p.
ISBN 978-0-387-98707-1

Springer texts in statistics

Localisation : Ouvrage RdC (ROBE)

méthode de simulation # méthode de Monte Carlo # génération aléatoire # chaîne de Markov # variable patente # statistique bayésienne # algorithme de Métropolis

62-01 ; 65C40 ; 65-01

... Lire [+]

Z