|
Principe de la méthode de Monte-Carlo
|
Top Previous Next |
|
|
| La méthode de Monte Carlo consiste à simuler un grand nombre de fois, noté ne, la réalisation du plan d'expériences et d'effectuer, après chaque simulation, une estimation des p paramètres du modèle.
|
|
|
| Les bases de données d'apprentissage utilisées à chaque simulation correspondent au même plan d'expériences mais les observations différent d'une simulation à l'autre.
|
| Ces observations sont obtenues en calculant, pour les expériences du plan, les valeurs de la sortie du modèle ".nml" chargé (Voir Fenêtre Modèle) et en bruitant ces valeurs par des réalisations d'une loi normale de moyenne nulle et d'écart-type précisé sur la Fenêtre Bruit.
|
|
|
| Les caractéristiques empiriques (moyenne, variance) de l'échantillon (multi varié) des ne estimations obtenues permettent alors de remonter aux propriétés de l'estimateur des moindres carrés des paramètres.
|
|
|
| De même, il est possible d'obtenir, pour chaque expérience candidate (Voir Fenêtre Génération des candidats), la moyenne et la variance empiriques des prédictions faites par le modèle avec chacune des estimations des paramètres obtenues ci-dessus.
|
|
|
| Les ne estimations obtenues sont disponibles sous la commande Edition > Estimations(Monte-Carlo).
|
|
|
| Les (ne x nc) prédictions obtenues (avec nc le nombre de candidats) sont disponibles sous la commande Edition > Prédictions(Monte-Carlo).
|