• Aucun résultat trouvé

Fiche de TD n˚11 Méthode de Monte Carlo et réduction de variance

N/A
N/A
Protected

Academic year: 2022

Partager "Fiche de TD n˚11 Méthode de Monte Carlo et réduction de variance"

Copied!
1
0
0

Texte intégral

(1)

TSE - Probabilités et Statistiques année 2009/2010

Fiche de TD n˚11

Méthode de Monte Carlo et réduction de variance

1˚- Le problème

Lors de la conception d’un système, on est amené à examiner la dépendance en le paramètreade la quantité :

CU(a) =E

! 1 M

"

, oùMU = 1 23

#23 i=1

Ui (1)

Dans ce qui précède, les v.a. Ui sont supposées indépendantes et de loi uniforme sur [1-a,2+a] (avec 0<a<1).

1. Combien vautE(MU) ?

2. ExpliciterCU(a) à l’aide de la formule de transfert.

3. A-t-on E(1/MU) = 1/E(MU) ? Quand cette formule peut-elle être valable ?

2˚- La méthode de Monte Carlo

1. Expliquer comment estimer la quantité CU(a) par une méthode de Monte Carlo.

2. Si U est de loi uniforme sur [1-a,2+a], quelle est la loi de V=3-U ? 3. Quelle est l’espérance de la v.a. 1/MV ? et celle de 1/MU+1/M2 V ? 4. Quelle est la covariance, puis la corrélation, entre les v.a.MU etMV ? 5. Comment estimer CU(a) par une méthode de Monte Carlo, de façon

plus rapide qu’en 1 ?

1

Références

Documents relatifs

Une méthode bien connue qui réduit l’erreur d’une estimation de Monte Carlo est la méthode d’échantillonnage suivant l’importance

Cela consiste à payer un montant C (convenu à l’avance entre vendeur et acheteur), pour qu’à une date fixée T (ici dans six mois), vous puissiez exercer votre droit d’acheter ou

Bien que l’intégrale soit de dimension 1 et que la fonction à intégrer soit régulière, ce n’est pas une idée totalement idiote dans la mesure où la régularité de la fonction

Celle basée sur la répétition de N réalisations de la v.a.. Celle basée sur la répétition de N réalisations de

Le principe de la méthode de Monte-Carlo est de tirer au hasard des coordonnées x et y, chacune dans

- Limite de la simplification des expressions de la variance et de la covariance génotypiques entre apparentés quelconques dans une population panmictique introduite par

The Population Monte Carlo (PMC) method introduced in Capp´ e et al. [7] intrinsically is a form of iterated sampling importance resampling with dynamically adapted

I Contrairement `a l’algorithme d’acceptation-rejet, on a plus besoin d’ ´evaluer max g f. Le choix de q n’influe pas sur le fait qu’il y a convergence, mais il influe sur