Descriptif
Dans les modèles probabilistes, les problèmes posés se ramènent souvent à des calculs d'espérance. Or ces calculs peuvent rarement se faire de façon analytique et nécessitent une approche numérique.
On désigne par le vocable générique de "méthode de Monte-Carlo" toute méthode numérique utilisant le tirage de nombres aléatoires. L'objectif du cours PRB221 est de comprendre l'analyse mathématique de ces algorithmes et d'en maîtriser la programmation. Une mise-en-oeuvre informatique des techniques abordées sera effectuée lors des séances de TPs.
Les thèmes abordés sont les suivants :
- Procédés généraux de simulation des variables aléatoires
- Principe de la méthode de Monte-Carlo et techniques de réduction de variance associées
- Discrétisation en temps de processus de diffusion : schémas d'Euler et de Milhstein
- Méthodes d'arbres
Objectifs pédagogiques
Comprendre l'analyse mathématique des méthodes de Monte-Carlo et en maîtriser la programmation
Diplôme(s) concerné(s)
- Master 1 Applied Mathematics ans statistics - Orsay
- Diplôme d'Ingénieur de l'Ecole Nationale Supérieure de Techniques Avancées
UE de rattachement
- PRB220 : Méthodes numériques probabilistes
Pour les étudiants du diplôme Diplôme d'Ingénieur de l'Ecole Nationale Supérieure de Techniques Avancées
PRB201, PRB202
Format des notes
Numérique sur 20Pour les étudiants du diplôme Master 1 Applied Mathematics ans statistics - Orsay
Pour les étudiants du diplôme Diplôme d'Ingénieur de l'Ecole Nationale Supérieure de Techniques Avancées
Vos modalités d'acquisition :
Examen écrit
Le rattrapage est autorisé (Max entre les deux notes écrêté à une note seuil)- le rattrapage est obligatoire si :
- Note initiale < 6
- le rattrapage peut être demandé par l'étudiant si :
- 6 ≤ note initiale < 10
Le coefficient de l'UE est : 1
L'UE est évaluée par les étudiants.
Programme détaillé
- Procédés généraux de simulation des variables aléatoires
- Principe de la méthode de Monte-Carlo et techniques de réduction de variance associées
- Discrétisation en temps de processus de diffusion : schémas d'Euler et de Milhstein
- Méthodes d'arbres