| Crédits ECTS |
3
|
| Volume horaire total |
24
|
| Volume horaire CM |
12
|
| Volume horaire TD |
12
|
Pré-requis
Algorithmique I
Programmation en Langage C
Algorithmique et Programmation II
Programmation en Langage C
Objectifs
Connaissance des générateurs de nombres aléatoires (les ‘bons’ et les ‘mauvais’), des techniques de reproductions de lois de distribution, de la méthode de Monte Carlo, des automates cellulaires et d’un modèle de croissance de population.
PT招财进宝
Cours magistraux
Ce cours présente une introduction à la modélisation et à la simulation stochastique par événements discrets. Les notions élémentaires et les concepts fondamentaux de la simulation sont présentés.
Une attention toute particulière est réservée aux simulations stochastiques à événements discrets Les générateurs de nombres pseudo-aléatoires sont abordés ainsi que les techniques de reproduction de lois (continues ou discrètes). Des simulations de Monte Carlo sont abordées également en TP et réalisés en C.
Travaux Dirigés et pratiques :
- TD1 – Simulation pseudo-déterministe du hasard – Codage et découverte des générateurs de nombres pseudo-aléatoires (linéaires, non-linéaires, à registe à décalage bouclés). Découverte de tests élémentaires.
- TD2 – Simulation de lois de probabilités uniformes ou nom. Technique d’anamorphose, technique de réjection et reproduction de lois discrètes.
- TD3 – Simulation de Monte Carto, réplications, calcul de moyenne et d’intervalles de confiances.
- TD4 – Simulation de croissance de population : approche analytique et approche par simulation à événements discrets
Informations complémentaires
Connaissance des générateurs de nombres aléatoires (les ‘bons’ et les ‘mauvais’), des techniques de reproductions de lois de distribution, de la méthode de Monte Carlo, des automates cellulaires et d’un modèle de croissance de population.
