| Property |
Value |
| dbo:abstract
|
- 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. Ces méthodes de Monte-Carlo se basent sur le parcours de chaînes de Markov qui ont pour lois stationnaires les distributions à échantillonner. Certaines méthodes utilisent des marches aléatoires sur les chaînes de Markov (algorithme de Metropolis-Hastings, échantillonnage de Gibbs), alors que d'autres algorithmes, plus complexes, introduisent des contraintes sur les parcours pour essayer d'accélérer la convergence (Monte Carlo Hybride, Surrelaxation successive). Ces méthodes sont notamment appliquées dans le cadre de l'inférence bayésienne. (fr)
- 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. Ces méthodes de Monte-Carlo se basent sur le parcours de chaînes de Markov qui ont pour lois stationnaires les distributions à échantillonner. Certaines méthodes utilisent des marches aléatoires sur les chaînes de Markov (algorithme de Metropolis-Hastings, échantillonnage de Gibbs), alors que d'autres algorithmes, plus complexes, introduisent des contraintes sur les parcours pour essayer d'accélérer la convergence (Monte Carlo Hybride, Surrelaxation successive). Ces méthodes sont notamment appliquées dans le cadre de l'inférence bayésienne. (fr)
|
| dbo:namedAfter
| |
| dbo:wikiPageExternalLink
| |
| dbo:wikiPageID
| |
| dbo:wikiPageLength
|
- 32169 (xsd:nonNegativeInteger)
|
| dbo:wikiPageRevisionID
| |
| dbo:wikiPageWikiLink
| |
| prop-fr:année
|
- 2003 (xsd:integer)
- 2007 (xsd:integer)
- 2010 (xsd:integer)
|
| prop-fr:auteur
|
- Christophe Andrieu (fr)
- Christophe Andrieu (fr)
|
| prop-fr:collection
|
- Springer Texts in Statistics (fr)
- Use R! Series (fr)
- Springer Texts in Statistics (fr)
- Use R! Series (fr)
|
| prop-fr:isbn
| |
| prop-fr:langue
| |
| prop-fr:lienAuteur
|
- Christian Robert (fr)
- George Casella (fr)
- Christian Robert (fr)
- George Casella (fr)
|
| prop-fr:lireEnLigne
| |
| prop-fr:nom
|
- Robert (fr)
- Casella (fr)
- Robert (fr)
- Casella (fr)
|
| prop-fr:pagesTotales
| |
| prop-fr:prénom
|
- Christian (fr)
- George (fr)
- Christian (fr)
- George (fr)
|
| prop-fr:titre
|
- Introducing Monte Carlo Methods with R (fr)
- Monte Carlo Statistical Methods (fr)
- An Introduction to MCMC for Machine Learning (fr)
- Introducing Monte Carlo Methods with R (fr)
- Monte Carlo Statistical Methods (fr)
- An Introduction to MCMC for Machine Learning (fr)
|
| prop-fr:wikiPageUsesTemplate
| |
| prop-fr:éditeur
| |
| dct:subject
| |
| rdfs:comment
|
- 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. Ces méthodes de Monte-Carlo se basent sur le parcours de chaînes de Markov qui ont pour lois stationnaires les distributions à échantillonner. Ces méthodes sont notamment appliquées dans le cadre de l'inférence bayésienne. (fr)
- 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. Ces méthodes de Monte-Carlo se basent sur le parcours de chaînes de Markov qui ont pour lois stationnaires les distributions à échantillonner. Ces méthodes sont notamment appliquées dans le cadre de l'inférence bayésienne. (fr)
|
| rdfs:label
|
- Méthode de Monte-Carlo par chaînes de Markov (fr)
- Методи Монте-Карло марковських ланцюгів (uk)
- 马尔可夫链蒙特卡洛 (zh)
- Méthode de Monte-Carlo par chaînes de Markov (fr)
- Методи Монте-Карло марковських ланцюгів (uk)
- 马尔可夫链蒙特卡洛 (zh)
|
| rdfs:seeAlso
| |
| owl:sameAs
| |
| prov:wasDerivedFrom
| |
| foaf:isPrimaryTopicOf
| |
| is dbo:mainArticleForCategory
of | |
| is dbo:wikiPageRedirects
of | |
| is dbo:wikiPageWikiLink
of | |
| is oa:hasTarget
of | |
| is foaf:primaryTopic
of | |
