Durée
24h Th, 12h Pr, 10h Proj.
Nombre de crédits
| Master en sciences mathématiques, à finalité | 8 crédits | |||
| Master en sciences mathématiques | 8 crédits |
Enseignant
Langue(s) de l'unité d'enseignement
Langue anglaise
Organisation et évaluation
Enseignement au deuxième quadrimestre
Horaire
Unités d'enseignement prérequises et corequises
Les unités prérequises ou corequises sont présentées au sein de chaque programme
Contenus de l'unité d'enseignement
1 Introduction
2 Models and challenges
3 Generating random variables
4 Generating random processes
5 Monte Carlo Integration and Optimization
6 Markov Chain Monte Carlo
7 Statistical analysis of simulation data
8 Variance reduction
Acquis d'apprentissage (objectifs d'apprentissage) de l'unité d'enseignement
Bonne compréhension des problématiques liées à la simulation et à l'échantillonnage.
Savoirs et compétences prérequis
Pour suivre ce cours il est indispensable d'avoir de bonnes bases en
- théorie des probabilités (mesures de probabilité, lois usuelles univariées, lois multivariées, TCL, loi des grands nombres, ...)
- statistique paramétrique (vraisemblance d'un modèle, information de Fisher, tests statistiques courants, intervalle et zone de confiance, ...)
Une référence pour les bases : Casella, George, and Roger L. Berger. Statistical inference. Vol. 2. Pacific Grove, CA: Duxbury, 2002.
Activités d'apprentissage prévues et méthodes d'enseignement
Cours ex-cathedra, séances de TP sur ordinateur et sur papier. Un projet est également prévu. Les modalités seront fixé pendant le premier cours.
Mode d'enseignement (présentiel, à distance, hybride)
Combinaison d'activités d'apprentissage en présentiel et en distanciel
Explications complémentaires:
En consultation avec les étudiants, le cours peut être organisé soit entièrement en présentiel, soit dans une version hybride où la théorie sera dispensée via des vidéos en ligne et des sessions de questions-réponses régulières (hors ligne) seront organisées.
Lectures recommandées ou obligatoires et notes de cours
Toutes les informations (notes de cours, énoncés de projet, énoncés d'exercices) seront mises à disposition via la plateforme eCampus.
Références
Kroese, Dirk P., Thomas Taimre, and Zdravko I. Botev. Handbook of Monte Carlo Methods. Vol. 706. John Wiley & Sons, 2013.
Robert, Christian, and George Casella. Monte Carlo Statistical Methods. Springer Science & Business Media, 2013.
Robert, Christian P., George Casella, and George Casella. Introducing monte carlo methods with R. Vol. 18. New York: Springer, 2010.
Modalités d'évaluation et critères
Examen(s) en session
Toutes sessions confondues
- En présentiel
évaluation orale
Travail à rendre - rapport
Explications complémentaires:
L'évaluation du cours passe par la réalisation d'un projet individuel.
Si souhaité, une poursuite orale de l'examen est possible. L'examen oral peut modifier la note finale jusqu'à 2 points, positifs ou négatifs. Cet examen orale consistera d'une question théorique et une question/clarification sur le projet achevé.
Stage(s)
Remarques organisationnelles
Contacts
Professeur: Arnout Van Messem
Assistant: Carole Baum