22,23,et 24 mai 2018 : Nous procédons actuellement à une ré-ingénierie du site de Papyrus. Certaines opérations peuvent être temporairement et brièvement inaccessibles. Merci de votre compréhension.

Now showing items 1-4 of 4

  • Convergence d’un algorithme de type Metropolis pour une distribution cible bimodale 

    Lalancette, Michaël (2017-09-27)
    Nous présentons dans ce mémoire un nouvel algorithme de type Metropolis-Hastings dans lequel la distribution instrumentale a été conçue pour l'estimation de distributions cibles bimodales. En fait, cet algorithme peut être vu comme une modification de ...
  • Étude de la performance d’un algorithme Metropolis-Hastings avec ajustement directionnel 

    Mireuta, Matei (2012-02-02)
    Les méthodes de Monte Carlo par chaîne de Markov (MCMC) sont des outils très populaires pour l’échantillonnage de lois de probabilité complexes et/ou en grandes dimensions. Étant donné leur facilité d’application, ces méthodes sont largement ...
  • New simulation schemes for the Heston model 

    Bégin, Jean-François (2012-10-11)
    Les titres financiers sont souvent modélisés par des équations différentielles stochastiques (ÉDS). Ces équations peuvent décrire le comportement de l'actif, et aussi parfois certains paramètres du modèle. Par exemple, le modèle de Heston (1993), qui ...
  • Recyclage des candidats dans l'algorithme Metropolis à essais multiples 

    Groiez, Assia (2014-05-20)
    Les méthodes de Monte Carlo par chaînes de Markov (MCCM) sont des méthodes servant à échantillonner à partir de distributions de probabilité. Ces techniques se basent sur le parcours de chaînes de Markov ayant pour lois stationnaires les distributions ...