rami el haddad [email protected] · rami el haddad (fs - usj) monte carlo, sudoku et cha^ nes de...
TRANSCRIPT
![Page 2: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/2.jpg)
Plan
1 Methodes de Monte CarloApproche intuitiveFondements mathematiques
2 StratificationAvantages d’une stratificationTypes de stratificationStratification Sudoku
3 Application aux chaınes de Markov
4 Simulations numeriquesEvolution d’un ecosysteme mediterraneenOccurrences dans un brin d’ADN
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 1 / 5
![Page 3: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/3.jpg)
1 Methodes de Monte CarloApproche intuitiveFondements mathematiques
2 StratificationAvantages d’une stratificationTypes de stratificationStratification Sudoku
3 Application aux chaınes de Markov
4 Simulations numeriquesEvolution d’un ecosysteme mediterraneenOccurrences dans un brin d’ADN
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 2 / 5
![Page 4: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/4.jpg)
Methodes de Monte Carlo : approche intuitive
La modelisation mathematique consiste a representer un probleme complexe parun modele abstrait pour ensuite l’analyser sans devoir travailler sur un systemereel couteux.
La simulation designe l’execution d’un programme informatique sur un ordinateuren vue d’imiter artificiellement le phenomene physique.
Une simulation utilisant des nombresaleatoires est dite de Monte Carlo.
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 2 / 5
![Page 5: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/5.jpg)
Methodes de Monte Carlo : approche intuitive
Loi des grands nombres : quand le nombre d’essais augmente, la frequenceobservee s’approche de la probabilite theorique.
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 2 / 5
![Page 6: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/6.jpg)
Methodes de Monte Carlo : approche intuitive
Loi des grands nombres : quand le nombre d’essais augmente, la frequenceobservee s’approche de la probabilite theorique.
0 100 200 300 400 500 600 700 800 900 10000
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Nombre de répétitions
Val
eur m
oyen
ne
Frequences d’apparition de Face en lancant une piece de monnaie
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 2 / 5
![Page 7: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/7.jpg)
Nombres aleatoires
Nombres aleatoires = valeurs reelles ayant les proprietes statistiques de la variablealeatoire et produites par le hasard.
Generation de nombres aleatoires
Procedes physiques⇓
Vrais nombres aleatoires
Calculateurs electroniques⇓
Nombres pseudo-aleatoires
Tous les langages de programmation disposent d’un generateur de nombrespseudo-aleatoires : ran, rand, grand, Random,...
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 2 / 5
![Page 8: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/8.jpg)
Nombres aleatoires
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
1 024 points pseudo-aleatoires dans [0, 1]2.
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 2 / 5
![Page 9: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/9.jpg)
Estimation de π
I On considere le quart du disque de rayon 1 inscrit dans le carre [0, 1]2 :
Aire(quart du dique)
Aire(carre)=π
4
I On choisit au hasard N points aleatoires (x , y) dans le carre et on calcule laproportion de ceux qui tombent dans le quart du disque, c.-a-d. tels quex2 + y2 ≤ 1.
1
1
0
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 2 / 5
![Page 10: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/10.jpg)
Estimation de π
Pour N = 1 000 on obtient π ≈ 3, 2000.
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 2 / 5
![Page 11: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/11.jpg)
Estimation de π
Pour N = 5 000 on obtient π ≈ 3, 1552.
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 2 / 5
![Page 12: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/12.jpg)
Estimation de π
Pour N = 10 000 on obtient π ≈ 3, 1476.
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 2 / 5
![Page 13: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/13.jpg)
Methodes de Monte Carlo : fondements mathematiques
Soit
I := [0, 1),
s ≥ 2 un entier,
f : I s → R une fonction de carre integrable.
On veut estimer
J :=
∫I sf (x)dx .
Si U est une variable aleatoire de loi uniforme sur I s , alors
J = E[f (U)].
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 2 / 5
![Page 14: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/14.jpg)
Methodes de Monte Carlo : fondements mathematiques
{U1, . . . ,UN} des v. a. independantes et de loi uniforme sur I s ,Loi des grands nombres :
P(
limN→∞
1
N
N∑`=1
f ◦ U` = J)
= 1.
Estimateur de Monte Carlo de J :
XN :=1
N
N∑`=1
f (U`).
E[XN ] = J et Var(XN) = O(
1
N
).
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 2 / 5
![Page 15: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/15.jpg)
Effet de la variance d’un estimateur de Monte Carlo
L’esperance (ou moyenne) seule ne suffit pas ! ! ! Il est aussi important que lavariance de l’estimateur soit faible.
0 100 200 300 400 500 600 700 800 900 10000
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Nombre de répétitions
Val
eur
moy
enne
Moyenne exacteVariance = 0.25Variance = 4.75
Frequences d’apparition de Face en lancant une piece de monnaie
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 2 / 5
![Page 16: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/16.jpg)
1 Methodes de Monte CarloApproche intuitiveFondements mathematiques
2 StratificationAvantages d’une stratificationTypes de stratificationStratification Sudoku
3 Application aux chaınes de Markov
4 Simulations numeriquesEvolution d’un ecosysteme mediterraneenOccurrences dans un brin d’ADN
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 3 / 5
![Page 17: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/17.jpg)
Avantages d’une stratification
Objectif : construire des ensembles de points aleatoires ayant une meilleurerepartition pour obtenir un estimateur a faible variance.
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
A gauche : ensemble de 100 points aleatoires.
A droite : ensemble stratifie de 100 points.
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 3 / 5
![Page 18: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/18.jpg)
Avantages d’une stratification
Objectif : construire des ensembles de points aleatoires ayant une meilleurerepartition pour obtenir un estimateur a faible variance.
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
A gauche : ensemble de 2 500 points aleatoires.
A droite : ensemble stratifie de 2 500 points.
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 3 / 5
![Page 19: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/19.jpg)
Avantages d’une stratification
Objectif : construire des ensembles de points aleatoires ayant une meilleurerepartition pour obtenir un estimateur a faible variance.
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
A gauche : ensemble de 10 000 points aleatoires.
A droite : ensemble stratifie de 10 000 points.
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 3 / 5
![Page 20: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/20.jpg)
Stratification simple (MCS)
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Echantillon MCS de 25 points.
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 3 / 5
![Page 21: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/21.jpg)
Stratification par hypercubes latins (LHS)
1
1
1
1
2
2
2
2
4
3
3
4
3
3
4
4
Carre latin 4 × 4.
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 3 / 5
![Page 22: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/22.jpg)
Stratification par hypercubes latins (LHS)
Echantillon LHS de 4 points.
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 3 / 5
![Page 23: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/23.jpg)
Stratification par hypercubes latins (LHS)
Echantillon LHS de 16 points.
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 3 / 5
![Page 24: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/24.jpg)
Stratification par hypercubes latins (LHS)
Echantillon LHS de 16 points.
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 3 / 5
![Page 25: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/25.jpg)
Stratification par hypercubes latins (LHS)
Echantillon LHS de 16 points.
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 3 / 5
![Page 26: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/26.jpg)
Stratification Sudoku
1
1
4
4
4
4
2
1
3
2
1
3
2
2
3
3
Grille de Sudoku 4 × 4.
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 3 / 5
![Page 27: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/27.jpg)
Stratification Sudoku
Echantillon Sudoku de 4 points.
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 3 / 5
![Page 28: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/28.jpg)
Echantillonnage Sudoku
SoitN = ns
W` := (W 1` , . . . ,W
s` )
W i` :=
`i − 1
n+σi (i )− 1
N+
U i`
N` := (`1, . . . , `s), 1 ≤ `i ≤ ni := (`1, . . . , `i−1, `i+1, . . . , `s)σ1, . . . , σs bijections aleatoiresindependantes
{1, . . . , n}s−1 → {1, . . . , ns−1}
U1, . . . ,Us variables aleatoiresindependantes de loi uniforme surIN .
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 3 / 5
![Page 29: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/29.jpg)
Echantillonnage Sudoku
SoitN = ns
W` := (W 1` , . . . ,W
s` )
W i` :=
`i − 1
n+σi (i )− 1
N+
U i`
N` := (`1, . . . , `s), 1 ≤ `i ≤ ni := (`1, . . . , `i−1, `i+1, . . . , `s)σ1, . . . , σs bijections aleatoiresindependantes
{1, . . . , n}s−1 → {1, . . . , ns−1}
U1, . . . ,Us variables aleatoiresindependantes de loi uniforme surIN .
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 3 / 5
![Page 30: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/30.jpg)
Echantillonnage Sudoku
SoitN = ns
W` := (W 1` , . . . ,W
s` )
W i` :=
`i − 1
n+σi (i )− 1
N+
U i`
N` := (`1, . . . , `s), 1 ≤ `i ≤ ni := (`1, . . . , `i−1, `i+1, . . . , `s)σ1, . . . , σs bijections aleatoiresindependantes
{1, . . . , n}s−1 → {1, . . . , ns−1}
U1, . . . ,Us variables aleatoiresindependantes de loi uniforme surIN .
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 3 / 5
![Page 31: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/31.jpg)
Echantillonnage Sudoku
SoitN = ns
W` := (W 1` , . . . ,W
s` )
W i` :=
`i − 1
n+σi (i )− 1
N+
U i`
N` := (`1, . . . , `s), 1 ≤ `i ≤ ni := (`1, . . . , `i−1, `i+1, . . . , `s)σ1, . . . , σs bijections aleatoiresindependantes
{1, . . . , n}s−1 → {1, . . . , ns−1}
U1, . . . ,Us variables aleatoiresindependantes de loi uniforme surIN .
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 3 / 5
![Page 32: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/32.jpg)
Echantillonnage Sudoku
Echantillon Sudoku de 16 points.
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 3 / 5
![Page 33: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/33.jpg)
Echantillonnage Sudoku
Echantillon Sudoku de 16 points.
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 3 / 5
![Page 34: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/34.jpg)
Echantillonnage Sudoku
Echantillon Sudoku de 16 points.
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 3 / 5
![Page 35: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/35.jpg)
Echantillonnage Sudoku
Echantillon Sudoku de 16 points.
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 3 / 5
![Page 36: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/36.jpg)
Amelioration obtenue par la stratification Sudoku
L’estimateur de Monte Carlo classique XN :
I est sans biais, i.e. E[XN ] = J ;
I a une variance de l’ordre
Var(XN) = O(
1
N
).
L’estimateur de Monte Carlo Sudoku Z?
N :
I est sans biais ;
I a une variance de l’ordre
Var(Z?
N) = O(
1
N1+1/s
).
En particulier, pour s = 2, Var(Z?
N) = O(
1N3/2
).
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 3 / 5
![Page 37: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/37.jpg)
Amelioration obtenue par la stratification Sudoku
L’estimateur de Monte Carlo classique XN :
I est sans biais, i.e. E[XN ] = J ;
I a une variance de l’ordre
Var(XN) = O(
1
N
).
L’estimateur de Monte Carlo Sudoku Z?
N :
I est sans biais ;
I a une variance de l’ordre
Var(Z?
N) = O(
1
N1+1/s
).
En particulier, pour s = 2, Var(Z?
N) = O(
1N3/2
).
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 3 / 5
![Page 38: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/38.jpg)
1 Methodes de Monte CarloApproche intuitiveFondements mathematiques
2 StratificationAvantages d’une stratificationTypes de stratificationStratification Sudoku
3 Application aux chaınes de Markov
4 Simulations numeriquesEvolution d’un ecosysteme mediterraneenOccurrences dans un brin d’ADN
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 4 / 5
![Page 39: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/39.jpg)
Application aux chaınes de Markov
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 4 / 5
![Page 40: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/40.jpg)
Application aux chaınes de Markov
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 4 / 5
![Page 41: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/41.jpg)
Application aux chaınes de Markov
Un processus aleatoire (ou stochastique) est une succession d’epreuves aleatoiresdont les issues (resultats possibles) sont toujours les memes, mais ou la repartitionde probabilite evolue.
Une chaıne de Markov est un proces-sus aleatoire dans lequel l’evolution futuredepend du present, mais pas du passe.Elles sont caracterisees par leurs matricesde transition.
Andreı Markov (1856-1922)
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 4 / 5
![Page 42: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/42.jpg)
Application aux chaınes de Markov
Marche aleatoire sur Z :
Sk+1 = Sk + Wk+1, avec P(Wk+1 = −1) =1
2et P(Wk+1 = +1) =
1
2.
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 4 / 5
![Page 43: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/43.jpg)
Application aux chaınes de Markov
Marche aleatoire sur Z :
Sk+1 = Sk + Wk+1, avec P(Wk+1 = −1) =1
2et P(Wk+1 = +1) =
1
2.
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 4 / 5
![Page 44: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/44.jpg)
Application aux chaınes de Markov
Marche aleatoire sur Z :
Sk+1 = Sk + Wk+1, avec P(Wk+1 = −1) =1
2et P(Wk+1 = +1) =
1
2.
Pile
Face
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 4 / 5
![Page 45: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/45.jpg)
Application aux chaınes de Markov
Marche aleatoire sur Z :
Sk+1 = Sk + Wk+1, avec P(Wk+1 = −1) =1
2et P(Wk+1 = +1) =
1
2.
Pile
Face
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 4 / 5
![Page 46: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/46.jpg)
Application aux chaınes de Markov
Marche aleatoire sur Z :
Sk+1 = Sk + Wk+1, avec P(Wk+1 = −1) =1
2et P(Wk+1 = +1) =
1
2.
Pile
Face
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 4 / 5
![Page 47: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/47.jpg)
Application aux chaınes de Markov
Marche aleatoire sur Z :
Sk+1 = Sk + Wk+1, avec P(Wk+1 = −1) =1
2et P(Wk+1 = +1) =
1
2.
Pile
Face
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 4 / 5
![Page 48: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/48.jpg)
Application aux chaınes de Markov
Marche aleatoire sur Z :
Sk+1 = Sk + Wk+1, avec P(Wk+1 = −1) =1
2et P(Wk+1 = +1) =
1
2.
Pile
Face
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 4 / 5
![Page 49: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/49.jpg)
Application aux chaınes de Markov
Marche aleatoire sur Z :
Sk+1 = Sk + Wk+1, avec P(Wk+1 = −1) =1
2et P(Wk+1 = +1) =
1
2.
Pile
Face
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 4 / 5
![Page 50: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/50.jpg)
Application aux chaınes de Markov
Marche aleatoire sur Z :
Sk+1 = Sk + Wk+1, avec P(Wk+1 = −1) =1
2et P(Wk+1 = +1) =
1
2.
Pile
Face
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 4 / 5
![Page 51: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/51.jpg)
Application aux chaınes de Markov
Algorithme de Monte Carlo classique :
Sk+1 = Sk + Wk+1, avec P(Wk+1 = −1) =1
2et P(Wk+1 = +1) =
1
2.
A B C D
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 4 / 5
![Page 52: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/52.jpg)
Application aux chaınes de Markov
Algorithme de Monte Carlo classique :
Sk+1 = Sk + Wk+1, avec P(Wk+1 = −1) =1
2et P(Wk+1 = +1) =
1
2.
0 1u2 u4 u1 u3
A B C D
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 4 / 5
![Page 53: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/53.jpg)
Application aux chaınes de Markov
Algorithme de Monte Carlo classique :
Sk+1 = Sk + Wk+1, avec P(Wk+1 = −1) =1
2et P(Wk+1 = +1) =
1
2.
0 1u2 u4 u1 u3
A B C D
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 4 / 5
![Page 54: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/54.jpg)
Application aux chaınes de Markov
Algorithme de Monte Carlo classique :
Sk+1 = Sk + Wk+1, avec P(Wk+1 = −1) =1
2et P(Wk+1 = +1) =
1
2.
A B D C
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 4 / 5
![Page 55: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/55.jpg)
Application aux chaınes de Markov
Algorithme Sudoku :
Sk+1 = Sk + Wk+1, avec P(Wk+1 = −1) =1
2et P(Wk+1 = +1) =
1
2.
0 1
(u31 ,u32)
1
(u11 ,u12)
(u41 ,u42)
(u21 ,u22)
A B C D
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 4 / 5
![Page 56: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/56.jpg)
Application aux chaınes de Markov
Algorithme Sudoku :
Sk+1 = Sk + Wk+1, avec P(Wk+1 = −1) =1
2et P(Wk+1 = +1) =
1
2.
0 1
(u31 ,u32)
1
(u11 ,u12)
(u41 ,u42)
(u21 ,u22)
A B C D
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 4 / 5
![Page 57: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/57.jpg)
Application aux chaınes de Markov
Algorithme Sudoku :
Sk+1 = Sk + Wk+1, avec P(Wk+1 = −1) =1
2et P(Wk+1 = +1) =
1
2.
A B D C
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 4 / 5
![Page 58: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/58.jpg)
1 Methodes de Monte CarloApproche intuitiveFondements mathematiques
2 StratificationAvantages d’une stratificationTypes de stratificationStratification Sudoku
3 Application aux chaınes de Markov
4 Simulations numeriquesEvolution d’un ecosysteme mediterraneenOccurrences dans un brin d’ADN
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 5 / 5
![Page 59: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/59.jpg)
Evolution d’un ecosysteme mediterraneen
A l’origine la foret mediterraneenne (sur roche calcaire a faible altitude) etait trescertainement dominee par des chenes.
L’action de l’homme a eradique ces forets primitives pour leur substituer desvignes, des vergers...
L’abandon de toute activite agricole, au lieu de conduire a la restaurationnaturelle de ces chenaies, a bien souvent favorise l’implantation d’une autreespece, le pin d’Alep, apres un passage par un etat de garrigue.
Ces forets de substitution, hautement inflammables, subissent de maniererecurrente le passage du feu (incendies volontaires ou non), le sol mis a nu serecouvre pendant un temps de pelouses ; ces forets sont donc condamnees a uneperpetuelle reconstitution.
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 5 / 5
![Page 60: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/60.jpg)
Evolution d’un ecosysteme mediterraneen
garrigue (Ga)
pelouse (Pe)vignes, vergers (V)
chênaie (C) pinède (Pi)
défrichage
abandon
incendie
évolutionreconstitution
reconstitution
Suite a un incendie, l’ecosysteme est constitue d’une pelouse a la date t. Quellesera sa composition a la date t + 7 ?
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 5 / 5
![Page 61: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/61.jpg)
Evolution d’un ecosysteme mediterraneen
garrigue (Ga)
pelouse (Pe)vignes, vergers (V)
chênaie (C) pinède (Pi)
défrichage
abandon
incendie
évolutionreconstitution
reconstitution
Suite a un incendie, l’ecosysteme est constitue d’une pelouse a la date t. Quellesera sa composition a la date t + 7 ?
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 5 / 5
![Page 62: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/62.jpg)
Evolution d’un ecosysteme mediterraneenModelisation par chaıne de Markov :
On modelise cette evolution par une chaıne de Markov (Xn)n∈N a cinq etats C, V,Pe, Ga, Pi.
Pour tout n ∈ N, Xn designera l’etat de cet ecosysteme a l’instant n.
La matrice de transition de la chaıne est la suivante :0, 8 0, 2 0 0 00 0, 7 0, 3 0 00 0 0, 4 0, 6 00 0 0 0, 2 0, 8
0, 1 0 0, 25 0 0, 65
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 5 / 5
![Page 63: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/63.jpg)
Evolution d’un ecosysteme mediterraneen
Erreurs pour C et V en fonction du nombre de points de simulation N.
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 5 / 5
![Page 64: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/64.jpg)
Evolution d’un ecosysteme mediterraneen
Variances pour Pi en fonction du nombre de points de simulation N.
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 5 / 5
![Page 65: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/65.jpg)
Evolution d’un ecosysteme mediterraneen
Temps de calcul pour Pi en fonction du nombre de points de simulation N.
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 5 / 5
![Page 66: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/66.jpg)
Evolution d’un ecosysteme mediterraneen
Efficacites pour Pi en fonction du nombre de points de simulation N.
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 5 / 5
![Page 67: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/67.jpg)
Evolution d’un ecosysteme mediterraneen
0.99
0.992
0.994
0.996
0.998
1
1.002
1.004
1.006
C V Pe Ga Pi
Erreurs
Simulation MC Simulation SS
Les pourcentages obtenus sont les suivants :
C V Pe Ga Pi16,31% 6,14% 20,46% 16,01% 41,07%
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 5 / 5
![Page 68: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/68.jpg)
Occurrences dans un brin d’ADN
Un brin de l’ADN du virus HIV-1 compte 9 717 nucleotides. Le nombred’occurrences des 16 dinucleotides sur ce brin est le suivant :
aa ac ag at ca cc cg ct
1 112 561 1 024 713 795 413 95 470
ga gc gg gt ta tc tg tt
820 457 661 432 684 342 590 548
En considerant un tel brin d’ADN commencant par un a, quelle est la probabiliteque le 500ieme nucleotide soit un g ?
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 5 / 5
![Page 69: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/69.jpg)
Occurrences dans un brin d’ADN
Un brin de l’ADN du virus HIV-1 compte 9 717 nucleotides. Le nombred’occurrences des 16 dinucleotides sur ce brin est le suivant :
aa ac ag at ca cc cg ct
1 112 561 1 024 713 795 413 95 470
ga gc gg gt ta tc tg tt
820 457 661 432 684 342 590 548
En considerant un tel brin d’ADN commencant par un a, quelle est la probabiliteque le 500ieme nucleotide soit un g ?
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 5 / 5
![Page 70: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/70.jpg)
Occurrences dans un brin d’ADN
On propose une modelisation d’une telle sequence d’ADN par une chaıne deMarkov qui rend compte du comptage des dinucleotides.
On considere la suite de nucleotides comme les 9 717 premiers etats d’une chaınede Markov (Xn)n∈N dont les etats sont : a, c, g, et t.
On prend pour matrice de transition :
1112
3410
561
3410
1024
3410
713
3410
795
1773
413
1773
95
1773
470
1773
820
2370
457
2370
661
2370
432
2370
684
2164
342
2164
590
2164
548
2164
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 5 / 5
![Page 71: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/71.jpg)
Occurrences dans un brin d’ADN
Erreurs en fonction du nombre de points de simulation N (pourcentage exact = 24,39%).
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 5 / 5
![Page 72: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/72.jpg)
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 5 / 5
![Page 73: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/73.jpg)
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 5 / 5
![Page 74: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/74.jpg)
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 5 / 5
![Page 75: Rami El Haddad rami.haddad@usj.edu · Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et cha^ nes de Markov 3 / 5 Avantages d’une strati cation Objectif : construire des ensembles](https://reader033.vdocuments.pub/reader033/viewer/2022053107/607413836db3373bd23dc76c/html5/thumbnails/75.jpg)
Merci de votre attention
Rami El Haddad (FS - USJ) Monte Carlo, Sudoku et chaınes de Markov 5 / 5