Reprise du message précédent :
 
 
Le paradoxe de Simpson ?

Et pourtant :

Ouais voila, c'est ça, merci

Bonjour,
 
Je ne sais pas si je suis dans la bonne section mais j'ai des questions sur le calcul scientifique haute performance HPC.
 
J'ai du mal à comprendre l'architecture et la relation entre l'ensemble des composants le formant.  
Nous avons plusieurs composantes :
1) le calculateur et ses propriétés intrinsèques (RAM, puissance, ...)
2) L'espace de travail  
3) Les noeuds de calcul (propriétés ?, indispensable ?)
 
Je ne comprends pas bien la relation entre le calculateur et les noeuds de calcul. Selon moi, l'accès aux données en lecture et en écriture en sera optimisé et est important pour profiter pleinement de la puissance du calculateur. J'ai bon ou je fais fausse route ?
 
Je passe sur le côté stockage des données ensuite pour les pérenniser.
 
Merci pour vos éléments .

Un noeud est constitué par un ensemble de calculateurs.

Je pose mon drapal.

Azrail ? ou Sneijder ?

Sneijder assurément

Je ne connais aucune de ces deux personnes.

trouver un anagramme de banach-tarski  
réponse :

Dans le meme style... que veut dire le B de Benoit B. Mandelbrot?

Edit: En verifiant sur wiki, il semble qu'en plus ce soit authentique!

X,Y iid N(0,1)
 
Je voudrais calculer E[ (X+Y,X) | Y] (espérance conditionnelle). Au départ j'étais parti sur le calcul de la densité sauf que (X+Y,X,Y) n'admet pas de densité (matrice de covariance non inversible).
 
Quelqu'un voit t-il comment faire ?  
 
Merci

Ton truc revient a calculer E(X+Y|Y) (linéarité de l'esperance) et ce truc s'ecrit comme aY+b (l'esperance conditionnelle c'est une projection), te reste qu'a trouver a et b, par exemple en utilisant que l'esperance selon Y de E[X+Y|Y], c'est E[X+Y] mais c'est aussi aE[Y]+b.
Fait pareil avec la variance (attention, l'esperance sous Y de la variance conditionnelle n'est pas la variance, y a un terme en plus, mais ca se calcule aisément).
Edit: Mais qu'est ce qu'il m'arrive, me voila a répondre a des questions de proba
Edit²: Sinon a la main c'est pas non plus tres compliqué de voir que E[X+Y|Y]=Y sachant que X et Y sont independantes.

Oui, bien sur parce que le vecteur est gaussien.

effectivement, merci

Salut...
 
je devrais me remettre à jour en math, quelqu'un aurait-il un / ou une suite d'ouvrage(s) ou de cours online sympa pour gérer les estimateurs (stat) , les ACP, la propagation d'incertitudes dans le cas de fonctions linéaires et non linéaires.
 
Ce qui me fait chier c'est que je suis un manche à balais en math, que je comprenais pas à quoi ça servait l'algèbre linéaire pour lui-même, les stats pour elles-mêmes, l'analyse pour elle-même... ben maintenant qu'il faut faire les trois ensembles je me dis "ptin mais pourquoi on nous a jamais dit ça dès le début"
 
'fin bref...
 

Bonjour

j'ai besoin d'une piqure de rappel pour optimisation dynamique avec hamiltonien

je veux optimiser  intégrale de 0 à l'infini de  exp(- r t) Y(t,K,c) dt

avec K' = f(K) (dérivée temporelle de K)
et c >= 0

premier interrogation

dans un texte, ils mettent d H / dc <= 0

c'est normal ?

(H pour hamiltonien donc ^^)

voilà

merchi a tous

 
Je pense qu'il s'agit d'une coquille et que c'est en théorie dH/dc  = 0
 
Mais j'aimerais être sûr, des gens pour confirmer ?

Salut.
J'étais en train de regarder l'algorithme de la descente de gradient sur wiki, et je me sens un peu perdu.
Donc je vois un peu le principe, on cherche disons un max local d'une fonction F, donc a partir d'un point X au hasard, on monte dans la direction de son gradient, ie en ajoutant à chacune des coordonnées de X  k*coordonnée correspondante de grad(F) en X, k étant le pas. Et on recommence jusqu'à ce que ça converge.
Bon, pourquoi pas. Mais sur le wiki, je lis

Ah bon? fastest?  
 
Admettons que je sois en 2d, en un point P, en regardant la première coordonnée du gradient gradF(P)x, je peux voir que la fonction par exemple à l'air de monter si on maintient Py constant, disons de pente 1. En regardant la deuxième, on peut voir que la fonction à aussi l'air de monter si on maintient Px constant, avec la pente 1, par exemple. (en fait je veux dire que gradF(P)=(1,1) ).
Mais il se pourrait très bien qu'en se déplaçant dans la direction du gradient la fonction ne monte pas du tout non? Je veux dire même si on ajoutait (a,a) avec a aussi petit qu'on veut, rien ne dit qu'on irait vers le haut n'est-ce pas?
J'ai l'impression de dire une connerie, mais je ne vois pas du tout pourquoi on suit la direction du gradient, au lieu de suivre la direction de la coordonnée la plus forte du gradient.
 
Edit: en fait je comprends pourquoi on ne suit pas la direction de la coordonnée la plus forte du gradient. Mais n'empêche, on n'est pas sur que la direction du gradient soit la direction de plus raide descente si?

 
Par définition de la dérivée directionnelle (voir le théorème a la fin de la page) :
 
http://tutorial.math.lamar.edu/Cla [...] Deriv.aspx

Merci, je suis convaincu.

Le mot important, c'est différentiable.
Si ta fonction est différentiable, alors y a une certaine "régularité" locale qui fait que la variation au premier ordre dans n'importe quelle direction peut être obtenu à partir des dérivés partielles. En gros, tu sais exactement comment f varie dans n'importe quelle direction, en connaissant f_x et f_y.

C'est effectivement possible de trouver des fonctions pas différentiables, qui ne respectent pas ça.
Une fonction du genre :
f(x,y)=
.0 si x=y
.sinon x+y
Elle correspond à ton exemple ( f_x(0,0) = f_y(0,0) = 1, et pourtant ça "monte" pas dans la direction (1,1) )
Mais elle n'est pas différentiable. (Il n'est pas possible de trouver une approximation f(h,k)=f(0,0)+a*h+b*k+o(V(h²+k²)) consistante avec toutes les directions )

Après, tu peux montrer qu'avec les bonnes propriétés sur les dérivés partielles (continues je crois , donc fonction C1 au point qui t'intéresse), la fonction est différentiable.

D'ailleurs, la vraie définition du gradient vient de la définition de différentielle (en gros, le gradient est le vecteur correspondant à la forme linéaire qui approche la fonction au premier ordre).
Le fait que grad_f = (f_x, f_y) est plutôt un "thérorème" (et pas une définition).

EDIT :
Bon, j'avais oublié de poster ce message et on a posté entretemps, mais je le poste quand même

Au final, le gradient correspond à la "direction de variation" maximale à norme fixée.
Ta variation à l'ordre 1 de f au point a dans la direction h, ça va être Df_a(h) = <grad(f)(a), h>
Et pour h de norme fixée, c'est maximal quand h a la même direction que le gradient.

Pour le voir plus facilement on peut aussi se dire que c'est comme un développement de Taylor mais sur une fonction a plusieurs variables.

Dites, un petit truc dans un poly:

?

Ah oui en effet. Vu que c'est pour du Monte-Carlo, ça doit vouloir dire que cette fonction est "programmable"

Salut,
quelqu'un sait comment "exécuter" une dérivée "symbolique" dans Matlab ?
Le texte s'affiche, mais c'est du texte, et je ne trouve aucun moyen (à part le copier coller dans le terminal) pour "l'exécuter" et vu que j'ai fait en sorte que tous les noms de variables correspondent bel et bien à mes variables, le calculs est tout bon et j'obtiens les bonnes valeurs, mais j'aimerai bien que ce soit automatique quoi...
 

Le prends pas mal mais
1 - Le question semble mal posée, c'est quoi que tu veux faire ? Calculer une dérivée ? Appliquer une dérivée ? Ca veut dire quoi "exécuter" ?
2 - Quand on pose une question de prog, c'est mieux de mettre son code (ou une version simplifiée) , ça permet de comprendre le problème, là on sait même pas ce que tu manipules (une fonction ? une expression syms ?)
3 - Si j'ai bien compris ton problème (en gros, t'as calculé une dérivée analytiquement avec syms et tu veux l'évaluer sur une valeur réelle), lmgtfy ( ) et premier lien (regarde du côté de subs et eval)

bon bah le mot que je cherchais et qui ne venait pas c'était "evaluate" dans l'histoire, normal que je n'aie rien trouvé de concluant jusqu'à présent !

Oui je cherche bien à remplacer les termes d'une dérivée partielle obtenue avec sym par mes variables, comme si j'avais moi-même écrit le code en ligne de commande quoi.
Le petit hic, c'est que subs n'accepte apparemment pas d'autres éléments de substitution que des scalaires

Alexandre Grothendieck est décédé.

http://www.liberation.fr/sciences/ [...] er_1142614

Ow  

C'est une personnalité exceptionnelle qui disparait.  
Je n'ai pas eu l'honneur de le connaître, mais j'ai suivi l'enseignement de certains de ses élèves.
 
A+,

À quelque chose malheur est bon: on va peut être pouvoir ouvrir les cartons

Fallait il détruire l'oeuvre de Kafka ?

De toute façon ce qu'il y a dans ces cartons, on le sait deja dans une grande partie.

Maintenant qu'il est mort, perso,je le verrais bien au Panthéon, au côté des Curies.
A+,