Structures et Algorithmes Aléatoires
Horaires
- Cours : vendredi de 13h45 à 16h15 en salle U/V
- TD : mercredi de 11h à 13h en salle Henri Cartan
Intervenants
Si vous avez des questions, n'hésitez pas à leur envoyer un mail : prenom.nom@ens.fr
Plan du cours
Ce cours vise à donner aux étudiants les bases de probabilités qui sont utilisées dans divers domaines de l'informatique (algorithmique, algorithmes stochastiques, réseaux de communication,...). Il est divisé en deux parties :
- Probabilités discrètes et applications
- Variables aléatoires, indépendance, conditionnement
- Méthode probabiliste
- Graphes aléatoires
- Modèles markoviens
- Chaînes de Markov, comportement asymptotique
- Simulation Monte Carlo et simulation parfaite
- Champs de Gibbs
Notes de cours
Feuilles de TDs
- TD1 du 2 octobre
- TD2 du 9 octobre
- TD3 du 16 octobre
- TD4 du 23 octobre
- TD5 du 30 octobre
- TD6 du 6 novembre
- TD7 du 13 novembre
- TD8 du 20 novembre
- TD9 du 27 novembre
- TD10 du 4 décembre
- TD11 du 11 décembre
- TD10 du 4 décembre
- TD11 du 11 décembre
- TD12 du 18 décembre
- TD13 du 8 janvier
Devoir maison
Références
- Markov chains: Gibbs fields, Monte Carlo simulation and queues,
P. Brémaud, Springer, New York, 2nd printing, 2001.
- Probability and Computing. Randomized Algorithms and Probabilistic
Analysis. M. Mitzenmacher and E. Upfal.
- The Probabilistic Method. N. Alon and J.H. Spencer.
Examens des années précédentes
Pages des années précédentes