S'abonner

Un algorithme dérivé de l'algorithme de Metropolis - 01/11/17

Doi : 10.1016/j.crma.2017.10.002 
Bernard Schnetzler
 IFSTTAR – LICIT, 25, avenue François-Mitterrand, case 24, 69 675 Bron cedex, France 

Bienvenue sur EM-consulte, la référence des professionnels de santé.
Article gratuit.

Connectez-vous pour en bénéficier!

Résumé

La physique statistique et la modélisation stochastique en économie partagent les mêmes bases mathématiques, données par la distribution de Gibbs, mais les systèmes présentent des caractéristiques très différentes. Un système économique type peut ainsi être décrit par une statistique de Bose–Einstein avec un petit nombre d'états non dégénérés et une « température » infinitésimale ; il se trouve ainsi dans des conditions où l'approximation de la configuration la plus probable devient invalide. Par conséquent, le calcul de la solution exacte nécessite le recours à un algorithme de Metropolis, qui estime une distribution de Gibbs. On propose ici un algorithme infiniment plus efficace. Sur des petits systèmes pour lesquels la distribution moyenne sur l'ensemble canonique peut être établie, on compare cette distribution aux solutions calculées.

Le texte complet de cet article est disponible en PDF.

Abstract

Statistical physics and stochastic modelling in economic sciences share the same mathematical bases given by the Gibbs distribution, but system characteristics are different. For instance, an economic system can be described by a Bose–Einstein statistics with few non-degenerate states and an infinitesimal “temperature”; under such conditions, the approximation of the most probable configuration is invalid. Therefore, the calculus of the exact solution needs using a Metropolis algorithm, which estimates a Gibbs distribution. This paper presents a much more efficient algorithm. For small systems, the exact distribution on the canonical set can be computed, and then this distribution is compared to the solutions of the old and new algorithms.

Le texte complet de cet article est disponible en PDF.

Plan


© 2017  Académie des sciences. Publié par Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 355 - N° 10

P. 1104-1110 - octobre 2017 Retour au numéro
Article précédent Article précédent
  • Inférence fondée sur la vraisemblance pour des modèles de records
  • Anis S. Hoayek, Gilles R. Ducharme, Zaher Khraibani
| Article suivant Article suivant
  • Editorial Board

Bienvenue sur EM-consulte, la référence des professionnels de santé.

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.