Universite des Sciences et Technologies de Lille U F R de Mathematiques Pures et Appliquees
4
pages
Français
Documents
Obtenez un accès à la bibliothèque pour le consulter en ligne En savoir plus
Découvre YouScribe en t'inscrivant gratuitement
Découvre YouScribe en t'inscrivant gratuitement
4
pages
Français
Documents
Obtenez un accès à la bibliothèque pour le consulter en ligne En savoir plus
- fiche - matière potentielle : no
Universite des Sciences et Technologies de Lille U.F.R. de Mathematiques Pures et Appliquees IS-Math314 Annee 2007-2008 Fiche no 5 Ex 1. La methode de Monte-Carlo pour le calcul d'integrales Soit f : [0, 1] ? R une fonction continue. On se propose de donner une valeur approchee de m := ∫ 1 0 f(x) dx, par une methode probabiliste appelee «methode de Monte-Carlo ». Pour cela on utilise la simulation informatique d'une suite (Ui)i≥1 de variables aleatoires independantes et de meme loi uniforme sur [0, 1]. On pose M2n := 1 2n 2n∑ i=1 f(Ui) et M˜2n := 1 2n n∑ i=1 (f(Ui) + f(1? Ui)) 1) Expliquer pourquoi X1 := f(U1) et Y1 := f(U1) + f(1?U1) sont integrables et exprimer leur esperance a l'aide de l'integrale m. 2) En vous appuyant sur un theoreme du cours, montrer que les suites (M2n)n?N? et ( M˜2n ) n?N? convergent presque surement vers m quand n tend vers +∞. Ce resultat legitime pour n « grand » l'approximation de m par la valeur M2n(?) (ou M˜2n(?)) calculee a partir de l'echantillon genere par l'ordinateur.
- loi exponentielle
- independantes de meme loi
- methode probabiliste
- estimateur tn
- loi uniforme
- duree ? de la panne
- variance
- expression de la moyenne empirique et de la variance empirique
- ?? ?
IS-Math314
Universit´e U.F.R. de
des Sciences et Mathe´matiques
Technologies de Lille PuresetApplique´es
Anne´e2007-2008
o Fiche n5 Ex 1.etC-raoldodeMenolculd’inpourlecasge´telarhte´maL Soitf: [0,1]→Rune fonction continue. On se propose de donner une valeur approche´ede Z 1 m:=f(x) dx, 0 parunem´ethodeprobabilisteappele´e«-eaClrom´ethodedeMont». Pour cela on utilise la simulation informatique d’une suite (Ui)i≥1tanndsetednisepe´tae´erioveradselaailb demˆemeloiuniformesur[0,1]. On pose 2n n X X 1 1 ˜ M2n:=f(Ui) etM2n:= (f(Ui) +f(1−Ui)) 2n2n i=1i=1 1) ExpliquerpourquoiX1:=f(U1) etY1:=f(U1) +f(1−U1abgr´enttselenoits) exprimerleurespe´rance`al’aidedel’inte´gralem. 2)Envousappuyantsurunthe´ore`meducours,montrerquelessuites(M2n)∗ n∈N ˜ etM2n∗revnocemtnevsrreˆuesquesprntgemquandntend vers +∞. n∈N Cer´esultatle´gitimepourn«grand»l’approximation dempar la valeurM2n(ω) ˜ (ouM2n(ωrait`epa´’cedrler.))ul´ecalcape´o’lrnidruetanthaloil´engern´ 3) ExpliquerpourquoiX1etY1snodtnaecavirurleerimprexetlebarge´tnie´rrace a`l’aidedelafonctionf. 4) Onsuppose de plus quefest croissante sur [0,1]. 2 a) Montrerque pour tout (x, y)∈[0,1] , (f(x)−f(y)) (f(1−x)−f(1−y))≤0. 2 b)End´eduirequeE[f(U1)f(1−U1)]≤E[f(U1)] . ˜ c) Comparerles variances deM2net deM2n. ˜ d) Finalement,quelle valeur choisiriez-vous entreM2n(ω) ouM2n(ω) pour approxi-merm? 5)Enutilisantleth´eor`emelimitecentral,proposerunintervalledeconfiancepour mtnasopupns)eneensiusgae´nngilg9uaee(%5divenixamitnolaa’pporreurdue`eantl’er que l’on connait un majorantMde sup|f(x)|. x∈[0,1] Ex 2.epnoselltumeomiarcs´listeenUdorpctiusboitessurlesquerpe´estne´adsned lire :contenance 500 grammeshnauseadioenatuehnoeibsoiatnescuaLuq.´tcednrait estenre´alite´unevariableale´atoiregaussienneX. Apartirdesdonn´eesfournies,construireunintervalledeconfiancepourlamoyennede XlldecenoaficnpeuortsnoC.%0ge´eriurtuenemalvaerntnia,nuudeciveance9onfia l’´ecart-typedeXva,elcemeˆmvineudeaonecncfiae.
