Skip to Content
Découvrez les nouveautés de cette version : Fonctionnalités, améliorations et évolutions vous attendent ! 👉 Cliquez ici pour en savoir plus

Code source wiki de Méthodes de Monte-Carlo

Modifié par Rémi Peyre le 01/05/2025 - 18:42
Afficher les derniers auteurs
1 (% class="relative-table wrapped" style="width:100.0%" %)
2 |(% class="highlight-#fff0b3" colspan="11" data-highlight-colour="#fff0b3" rowspan="3" style="text-align:left" title="Couleur d'arrière-plan : Jaune clair 100 %" %)(((
3 (% style="color:#000080" %)**Méthodes de Monte-Carlo**
4
5 (% style="color:#000080" %)**8KUAAN11**
6 )))|(% colspan="2" style="text-align:center" %)(((
7 **~ ECTS**
8 )))|(% class="highlight-#fff0b3" data-highlight-colour="#fff0b3" style="text-align:center" title="Couleur d'arrière-plan : Jaune clair 100 %" %)(((
9 **2**
10 )))|(% colspan="3" style="text-align:center" %)(((
11 **SEMESTRE**
12 )))|(% class="highlight-#fff0b3" data-highlight-colour="#fff0b3" style="text-align:center" title="Couleur d'arrière-plan : Jaune clair 100 %" %)(((
13 **S8**
14 )))
15 |(% style="text-align:center" %)(((
16 CM
17 )))|(% style="text-align:center" %)(((
18 TD
19 )))|(% style="text-align:center" %)(((
20 TP
21 )))|(% style="text-align:center" %)(((
22 EI
23 )))|(% colspan="3" style="text-align:center" %)(((
24 Travail personnel
25 )))
26 |(% style="text-align:center" %)(((
27 7 h
28 )))|(% style="text-align:center" %)(((
29 14 h
30 )))|(% style="text-align:center" %)(((
31 0 h
32 )))|(% style="text-align:center" %)(((
33 0 h
34 )))|(% colspan="3" style="text-align:center" %)(((
35 36 h
36 )))
37 |(% colspan="2" %)(((
38 **Langues d'enseignement**
39 )))|(% colspan="9" %)(((
40 Français
41 )))|(% colspan="7" rowspan="2" %)(((
42
43 )))
44 |(((
45 **Responsable(s)**
46 )))|(% colspan="10" %)[[Rémi PEYRE>>mailto:remi.peyre@mines-nancy.univ-lorraine.fr]], maitre de conférences[[~[~[image:https://play-lh.googleusercontent.com/kMofEFLjobZy_bCuaiDogzBcUT-dz3BBbOrIEjJ-hqOabjK8ieuevGe6wlTD15QzOqw~|~|width="16"~]~]>>url:https://www.linkedin.com/in/r%C3%A9mi-peyre-3120b0111/]][[~[~[image:https://wiki.univ-lorraine.fr/bin/download/interne/comp/mines-nancy/minesnancyficm/SYLLABUS%201A/TRONC%20COMMUN%20SCIENTIFIQUE/S6/Inf%C3%A9rence%20statistique/WebHome/index.png?width=16&rev=1.1~|~|alt="index.png" width="16"~]~]>>url:https://www.researchgate.net/profile/Remi-Peyre]]
47 |(((
48 **Mots clefs**
49 )))|(% colspan="17" %)(((
50 (% style="color:#003366" %)Simulation aléatoire ; Méthode de Monte-Carlo ; Réduction de la variance ; Méthodes MCMC ; Recuit simulé ; Descente de gradient stochastique
51 )))
52 |(((
53 **Prérequis**
54 )))|(% colspan="17" %)(((
55 Théorie des probabilités (niveau M1) ; Rudiments de //Python//
56 )))
57 |(% class="highlight-#c1c7d0" colspan="18" data-highlight-colour="#c1c7d0" title="Couleur d'arrière-plan : Gris moyen 45 %" %)(((
58 **Objectif pédagogique**
59 )))
60 |(% colspan="18" %)(((
61 À l’issue du module, les étudiants seront en mesure d'utiliser la simulation aléatoire pour résoudre des problèmes déterministes complexes.
62 )))
63 |(% class="highlight-#c1c7d0" colspan="18" data-highlight-colour="#c1c7d0" title="Couleur d'arrière-plan : Gris moyen 45 %" %)(((
64 **Organisation et contenus**
65 )))
66 |(% colspan="18" %)(((
67 (% style="color:#0070c0" %)** **(%%) Ce cours se compose de deux volets distincts (quoique étroitement connectés), qui partagent en commun le fait de recourir à des procédés de simulation //aléatoire// pour résoudre des problèmes dont l'énoncé est pourtant défini de manière parfaitement //déterministe//, sans faire intervenir d'aléa.
68
69 Le premier volet du cours porte sur la « méthode de Monte-Carlo » pour évaluer une quantité de nature intégrale (donc déterministe), consistant à écrire celle-ci, dans un premier temps, en tant qu'espérance probabiliste, puis à estimant statistiquement cette espérance à l'aide de simulations aléatoires. Dans plusieurs cas d'usage, le résultat approché que cette méthode fournit concernant le calcul de la quantité d'intérêt s'avèrera plus précis que celui qu'on aurait obtenu par des méthodes d'analyse numérique “classiques” !
70
71 (% style="color:#0070c0" %)** **(%%) Outre l'estimation de la quantité d'intérêt en tant que telle, le cours expliquera aussi comment déterminer l'intervalle de confiance associé à l'estimateur obtenu. Il peut être important de disposer de moyens de réduire la largeur de l'intervalle qu'on arrive à obtenir pour un cout de calcul donné : cela est l'objectif des techniques dites de //réduction de la variance//. Le cours présente quatre de ces techniques : l'échantillonnage préférentiel ; le conditionnement ; le couplage ; et la variable de contrôle.
72
73 (% style="color:#0070c0" %)** **(%%) Dans certaines situations d'usage, la simulation des variables aléatoires s'avère être un problème plus complexe que la mise en œuvre de la méthode de Monte-Carlo elle-même. Le cours expliquera comment on peut alors, dans de nombreux cas, utiliser les //méthodes de chaines de Markov pour Monte-Carlo// [dites « méthodes MCMC »] pour pallier cette difficulté.
74
75 (% style="color:#0070c0" %)** **(%%) À partir du chapitre sur les chaines de Markov pour Monte-Carlo, on effectuera une transition naturelle vers le second volet du cours, consacré pour sa part aux méthodes stochastiques d'//optimisation de fonctions//. On commencera par présenter la plus célèbre de ces méthodes, à savoir le //recuit simulé// : celui-ci étant étroitement apparenté à l'algorithme MCMC de //Metropolis-Hastings// qu'on aura vu précédemment. Le cours explique aussi comment on peut améliorer le recuit simulé par l'idée de //recuit parallèle// (« parallel tempering »).
76
77 Le dernier chapitre, enfin, sera consacré à la méthode de //descente de gradient stochastique//, un procédé d'optimisation qui est notamment au cœur de l'entrainement des réseaux de neurones artificiels !
78
79 (% style="color:#0070c0" %)** **(%%) Ce module comprendra une large partie de mise en œuvre informatique des concepts étudiés, que nous effectuerons en l'occurrence avec //Python//.
80 )))
81 |(% class="highlight-#c1c7d0" colspan="18" data-highlight-colour="#c1c7d0" title="Couleur d'arrière-plan : Gris moyen 45 %" %)(((
82 **Compétences**
83 )))
84 |(((
85 (% style="color:#0070c0" %)**Niveaux**
86 )))|(% colspan="17" %)(((
87 (% style="color:#0070c0" %)**Description et verbes opérationnels**
88 )))
89 |(((
90 **Connaître(% style="color:#0070c0" %) (%%)**
91 )))|(% colspan="17" %)(((
92 Connaitre le protocole d'estimation d'une espérance par méthode de Monte-Carlo, et la façon de déterminer l'intervalle de confiance associé
93
94 Connaitre les principales techniques de réduction de la variance
95
96 Connaitre le principe des méthodes MCMC, en particulier les chaines de Metropolis-Hastings
97
98 Connaitre l'algorithme de recuit simulé ; l'algorithme de recuit parallèle ; l'algorithme de descente de gradient stochastique
99 )))
100 |(((
101 **Comprendre**
102 )))|(% colspan="17" %)(((
103 Comprendre dans quelles situations la méthode de Monte-Carlo pour le calcul d'une espérance est pertinente, quelles sont ses forces et ses limites
104
105 Comprendre le comportement des chaines de Markov impliquées dans les différents algorithmes d'évolution stochastique abordés dans ce cours
106 )))
107 |(((
108 **Appliquer(% style="color:#0070c0" %) (%%)**
109 )))|(% colspan="17" %)(((
110 Déterminer théoriquement les quantités auxiliaires requises par les méthodes abordées dans ce cours : fonction de quantile d'une loi à simuler ; espérance d'une variable de contrôle ; ratios de densité d'une mesure à échantillonner par Metropolis-Hastings ; gradient de la fonction dont on optimise l'espérance ; etc.
111
112 Implémenter informatiquement une méthode de Monte-Carlo, une technique de réduction de la variance
113
114 Implémenter informatiquement un algorithme de Metropolis-Hastings, de recuit simulé (éventuellement parallèle), de descente de gradient stochastique
115 )))
116 |(((
117 **Analyser(% style="color:#0070c0" %) (%%)**
118 )))|(% colspan="17" %)(((
119 Choisir une technique de réduction de la variance adaptée au calcul considéré
120
121 Identifier les situations où les chaines de Markov pour Monte-Carlo sont à privilégier sur la simulation “directe”
122
123 Reconnaitre une situation se prêtant à telle ou telle méthode stochastique d'optimisation
124
125 Régler adroitement les paramètres des algorithmes stochastiques
126 )))
127 |(% colspan="1" %)(((
128 **Synthétiser**
129 )))|(% colspan="17" %)(((
130
131 )))
132 |(% colspan="1" %)(((
133 **Évaluer**
134 )))|(% colspan="17" %)(((
135 Porter un regard critique sur la convergence d'un estimateur de Monte-Carlo
136
137 Porter un regard critique sur la solution obtenue par un procédé stochastique d'optimisation
138 )))
139 |(% class="highlight-#c1c7d0" colspan="18" data-highlight-colour="#c1c7d0" %)(((
140 (% class="kYiyGk sc-14kwckt-9" %)**Contributions aux Objectifs de Développement Durable des Nations Unies**
141 )))
142 |(% colspan="18" %)(((
143 (% class="content-wrapper" %)
144 (((
145 (% class="wrapped" %)
146 |(((
147 (% class="content-wrapper" %)
148 (((
149 (% class="task-list" %)
150 (((
151 {{task reference="/Tasks/Task_5" status="InProgress"}}
152 [[image:attach:image2022-12-5_21-22-41.png||thumbnail="true" width="60"]]
153 {{/task}}
154 )))
155 )))
156 )))|(((
157 (% class="content-wrapper" %)
158 (((
159 (% class="task-list" %)
160 (((
161 {{task reference="/Tasks/Task_25" status="InProgress"}}
162 [[image:attach:image2022-12-5_21-23-16.png||thumbnail="true" width="60"]]
163 {{/task}}
164 )))
165 )))
166 )))|(((
167 (% class="content-wrapper" %)
168 (((
169 (% class="task-list" %)
170 (((
171 {{task reference="/Tasks/Task_26" status="InProgress"}}
172 [[image:attach:image2022-12-5_21-26-53.png||thumbnail="true" width="60"]]
173 {{/task}}
174 )))
175 )))
176 )))|(((
177 (% class="content-wrapper" %)
178 (((
179 (% class="task-list" %)
180 (((
181 {{task reference="/Tasks/Task_27" status="InProgress"}}
182 [[image:attach:image2022-12-5_21-27-10.png||thumbnail="true" width="60"]]
183 {{/task}}
184 )))
185 )))
186 )))|(((
187 (% class="content-wrapper" %)
188 (((
189 (% class="task-list" %)
190 (((
191 {{task reference="/Tasks/Task_28" status="InProgress"}}
192 [[image:attach:image2022-12-5_21-27-29.png||thumbnail="true" width="60"]]
193 {{/task}}
194 )))
195 )))
196 )))|(% colspan="1" %)(((
197 (% class="content-wrapper" %)
198 (((
199 (% class="task-list" %)
200 (((
201 {{task reference="/Tasks/Task_29" status="InProgress"}}
202 [[image:attach:image2022-12-5_21-27-47.png||thumbnail="true" width="60"]]
203 {{/task}}
204 )))
205 )))
206 )))|(% colspan="1" %)(((
207 (% class="content-wrapper" %)
208 (((
209 (% class="task-list" %)
210 (((
211 {{task reference="/Tasks/Task_30" status="InProgress"}}
212 [[image:attach:image2022-12-5_21-29-25.png||thumbnail="true" width="60"]]
213 {{/task}}
214 )))
215 )))
216 )))|(% colspan="1" %)(((
217 (% class="content-wrapper" %)
218 (((
219 (% class="task-list" %)
220 (((
221 {{task reference="/Tasks/Task_31" status="InProgress"}}
222 [[image:attach:image2022-12-5_21-29-43.png||thumbnail="true" width="60"]]
223 {{/task}}
224 )))
225 )))
226 )))|(% colspan="1" %)(((
227 (% class="content-wrapper" %)
228 (((
229 (% class="task-list" %)
230 (((
231 {{task reference="/Tasks/Task_32" status="Done"}}
232 [[image:attach:image2022-12-5_21-34-38.png||thumbnail="true" width="60"]]
233 {{/task}}
234 )))
235 )))
236 )))
237 |(((
238 (% class="content-wrapper" %)
239 (((
240 (% class="task-list" %)
241 (((
242 {{task reference="/Tasks/Task_33" status="InProgress"}}
243 [[image:attach:image2022-12-5_21-30-2.png||thumbnail="true" width="60"]]
244 {{/task}}
245 )))
246 )))
247 )))|(((
248 (% class="content-wrapper" %)
249 (((
250 (% class="task-list" %)
251 (((
252 {{task reference="/Tasks/Task_34" status="Done"}}
253 [[image:attach:image2022-12-5_21-30-25.png||thumbnail="true" width="60"]]
254 {{/task}}
255 )))
256 )))
257 )))|(((
258 (% class="content-wrapper" %)
259 (((
260 (% class="task-list" %)
261 (((
262 {{task reference="/Tasks/Task_35" status="InProgress"}}
263 [[image:attach:image2022-12-5_21-30-51.png||thumbnail="true" width="60"]]
264 {{/task}}
265 )))
266 )))
267 )))|(((
268 (% class="content-wrapper" %)
269 (((
270 (% class="task-list" %)
271 (((
272 {{task reference="/Tasks/Task_36" status="InProgress"}}
273 [[image:attach:image2022-12-5_21-31-32.png||thumbnail="true" width="60"]]
274 {{/task}}
275 )))
276 )))
277 )))|(((
278 (% class="content-wrapper" %)
279 (((
280 (% class="task-list" %)
281 (((
282 {{task reference="/Tasks/Task_37" status="InProgress"}}
283 [[image:attach:image2022-12-5_21-32-1.png||thumbnail="true" width="60"]]
284 {{/task}}
285 )))
286 )))
287 )))|(% colspan="1" %)(((
288 (% class="content-wrapper" %)
289 (((
290 (% class="task-list" %)
291 (((
292 {{task reference="/Tasks/Task_38" status="InProgress" completeDate="" createDate="01/05/2025" reporter=""}}
293
294 {{/task}}
295 )))
296 )))
297 )))|(% colspan="1" %)(((
298 (% class="content-wrapper" %)
299 (((
300 (% class="task-list" %)
301 (((
302 {{task reference="/Tasks/Task_39" status="InProgress"}}
303 [[image:attach:image2022-12-5_21-33-6.png||thumbnail="true" width="60"]]
304 {{/task}}
305 )))
306 )))
307 )))|(% colspan="1" %)(((
308 (% class="content-wrapper" %)
309 (((
310 (% class="task-list" %)
311 (((
312 {{task reference="/Tasks/Task_40" status="InProgress"}}
313 [[image:attach:image2022-12-5_21-33-33.png||thumbnail="true" width="60"]]
314 {{/task}}
315 )))
316 )))
317 )))|(% colspan="1" %)(((
318
319 )))
320 )))
321 )))
322 |(% class="highlight-#c1c7d0" colspan="18" data-highlight-colour="#c1c7d0" title="Couleur d'arrière-plan : Gris moyen 45 %" %)(((
323 **Modalités de contrôle des connaissances et compétences**
324 )))
325 |(((
326 Contrôle Continu
327 )))|(% style="text-align:center" %)(((
328 (% class="task-list" %)
329 (((
330 {{task reference="/Tasks/Task_45" status="InProgress"}}
331
332 {{/task}}
333 )))
334 )))|(% colspan="4" %)(((
335 Examen écrit
336 )))|(% colspan="2" style="text-align:center" %)(((
337 (% class="task-list" %)
338 (((
339 {{task reference="/Tasks/Task_46" status="Done"}}
340
341 {{/task}}
342 )))
343 )))|(% colspan="3" %)(((
344 Oral / Soutenance
345 )))|(% colspan="2" style="text-align:center" %)(((
346 (% class="task-list" %)
347 (((
348 {{task reference="/Tasks/Task_47" status="Done"}}
349
350 {{/task}}
351 )))
352 )))|(% colspan="3" %)(((
353 Rapport / Projet
354 )))|(% colspan="2" style="text-align:center" %)(((
355 (% class="task-list" %)
356 (((
357 {{task reference="/Tasks/Task_48" status="Done"}}
358
359 {{/task}}
360 )))
361 )))