Ressources Pédagogiques >> Modèles aléatoires, simulation et prévision
Responsable :

Gabriel Lang
  

Equipe Pédagogique :
Eric Parent
Anne Sabourin

Licence d'usage :  Cadre Privé
Modèles aléatoires, simulation et prévision
Fiche descriptive de cours :
Une initiation à l'utilisation de modèles stochastiques
L'approche de modélisation déterministe suppose l'existence d'une relation fonctionnelle entre les variables observées. L'observation des variables se fait par une séries de mesures entachées d'erreurs. L'hypothèse sous-jacente est que la relation fonctionnelle est simple et que les erreurs sont homogènes et indépendantes. Chaque observation est donc la somme d'une valeur déterministe et du tirage aléatoire de l'erreur de mesure. L'approche de modélisation stochastique généralise la démarche en considérant que les observations sont le résultat d'un tirage aléatoire mais que les variables considérées ne sont pas nécessairement indépendantes.

Composition Partie Pédagogique :

Fichier R contenant les commandes et des exemples de matrices de transition


© AgroParisTech 2017 - Réalisé par Winch Communication