Scribd
Importer
6 vues2 pages

Exercices de simulation aléatoire M1 MAS

Ce document présente une feuille d'exercices sur les méthodes de simulation aléatoire, incluant des simulations de probabilités, des lois uniformes, et des méthodes de Monte-Carlo. Les exercices couvrent des concepts tels que le conditionnement, l'acceptation-rejet, et la simulation de lois statistiques variées. L'objectif est d'appliquer des techniques de simulation pour estimer des probabilités et vérifier des propriétés statistiques.

Transféré par

tuancong199914
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
6 vues2 pages

Exercices de simulation aléatoire M1 MAS

Ce document présente une feuille d'exercices sur les méthodes de simulation aléatoire, incluant des simulations de probabilités, des lois uniformes, et des méthodes de Monte-Carlo. Les exercices couvrent des concepts tels que le conditionnement, l'acceptation-rejet, et la simulation de lois statistiques variées. L'objectif est d'appliquer des techniques de simulation pour estimer des probabilités et vérifier des propriétés statistiques.

Transféré par

tuancong199914
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

Université d’Orléans 2024–2025

UFR ST M1 MAS

Méthodes de simulation aléatoire – Feuille d’exercices n°2


Conditionnement, Acceptation-Rejet et méthodes de Monte-Carlo

1) On considère l’expérience consistant à jeter un dé à 6 faces, et on note X le résultat


du dé. Estimer par simulation la probabilité de l’événement “X ≥ 4|X pair”.

2) Soit X ∼ U[0,a] pour a > 0. Vérifier que, pour 0 < b < a, (X|X < b) a pour loi la
loi uniforme sur [0, b]. Simuler cette loi à partir de la loi U[0,1] . NB : Cet exemple
en dimension 1 est un cas particulier d’une propriété générale de la loi uniforme.

3) Loi uniforme en dimensions 2 et conditionnement : Simuler la loi uniforme


sur le disque unité à partir de la loi uniforme produit sur [−1, 1]×[−1, 1] et illustrer.
Proposer une estimation de π par cette méthode. Donner une version “vectorisée”
(c’est-à-dire sans boucle) de cet algorithme. Effectuer la même simulation sur un
compact de départ [−a, a]2 plus grand (a > 1), et comparer l’effet de a sur la
variance.

4) Simulation du TLC par une méthode de Monte-Carlo : Cet exercice est un


exemple simple de l’approche Monte-Carlo pour appréhender un phénomène (cf.
cours d’introdution). On souhaite vérifier empiriquement la normalité asymptotique
de X̄n ou de sa version normalisée
√
Zn = n(X̄n − µ)/σ,

dans le cas où (X1 , . . . , Xn ) est un n-échantillon de loi quelconque classique.


— Préciser le contexte de cette approche par Monte-Carlo : loi(s) de simulation
des variables d’entrées, “système simulé”, sorties.
— Donner par simulation les lois et les moments empiriques de Zn par exemple
dans les cas suivants : X ∼ loi Uniforme U(a,b) , Student t(d) ou Exponentielle
E(λ).
— Comparer les résultats ; notamment que peut-on notamment dire de la “vitesse”
d’atteinte” du TLC ?

5) Pour une loi f univariée et facile à simuler comme la loi exponentielle E(λ), simuler
un couple (X, U ) de loi uniforme sur le domaine sous le graphe de f ,

Df = {(x, u) ∈ R × R+ : 0 < u < f (x)},

en utilisant le résultat vu en cours :



X∼f
(X, U ) ∼ UDf ⇔
(U |X = x) ∼ U[0,f (x)] .

1
6) Un exemple simple de simulation par Acceptation-Rejet :
Simuler par un algorithme d’acceptation-rejet la loi triangulaire de densité
f (x) = 2(1 − x) sur [0, 1].

7) Simulation de la loi normale. Pour cet exercice vous ne devez à nouveau utiliser
que le générateur de loi uniforme runif() de R.
— Ecrire l’algorithme d’acceptation-rejet de la loi normale N (0, 1) à partir de la loi
de Cauchy de paramètre d’échelle 1 et position 0, de densité f (x) = 1/π(1+x2 ).
— Simuler la loi normale N (0, 1) à partir de la méthode polaire (algorithme de
Box-Muller vu en cours).
— Comparer les deux méthodes (efficacité, temps de calcul. . .).

8) Simulation de lois associées aux échantillons gaussiens (cf. le cours de


modèle linéaire de M1) :
Simuler X ∼ χ2 (d), loi du χ2 à d degrés de libertés ; puis Y ∼ t(d), loi de Student
à d degrés de libertés. Simuler enfin X ∼ F (d1 , d2 ), loi de Fisher à d1 et d2 degrés
de libertés.

9) Simuler la loi conditionnelle de (X|X > 2), pour une v.a. de loi exponentielle
X ∼ E(λ). Comparer avec la densité de la loi théorique.

Vous aimerez peut-être aussi