Academia.edu no longer supports Internet Explorer.
To browse Academia.edu and the wider internet faster and more securely, please take a few seconds to upgrade your browser.
…
8 pages
1 file
2018
Aperçu du Cours 4. De modéliser un système et de produire une analyse comportementale et statistique de votre modèle ; 5. De modéliser les systèmes continus avec les agents (systèmes multi-agents) ; 6. De modéliser des systèmes dynamiques (Systems Dynamics dans la littérature) ; 7. De modéliser un système à événements discrets. Unités Unité 0: Evaluation diagnostique (Introduction générale aux systèmes) Cette unité présente une introduction générale à la notion de systèmes, d'entités de systèmes, de relations et d'interactions entre les entités des systèmes, de types de systèmes Unité 1 : Introduction à la modélisation et la simulation Cette unité introduit les notions de modélisation et de simulation, d'analyse de systèmes, et propose une classification des différentes approches de modélisation : modélisation de systèmes continus à base d'agents, modélisation de systèmes dynamiques (Systems Dynamics) et la modélisation à événements discrets. Unité 2: Modélisation de systèmes continus à base d'agents Dans cette unité, il est question de s'intéresser à la modélisation des systèmes à temps continus. Les équations différentielles (équations différentielles ordinaires, équations aux dérivées partielles) sont l'outil classique de modélisation mathématique de tels systèmes mais on montrera l'implémentation de tels systèmes en Informatique à travers l'utilisation d'un logiciel de simulation à base d'agents, Netlogo. Unité 3: Modélisation de systèmes dynamiques (Systems Dynamics) Cette unité traite les systèmes dynamiques (Systems Dynamics) qui sont un type de modélisation où l'objectif est de comprendre comment les éléments sont en relations les uns avec les autres. Cette approche différente de celle basée sur les agents que nous verrons dans l'unité 2 sera tout de même traitée par le même logiciel. En effet, dans Netlogo, il y a un module permettant de simuler les Systems Dynamics. Cette unité s'inspire du manuel de l'utilisateur du systems Dynamics de Netlogo. Modèle : Ce qui est donné pour servir de référence Simulation : Représentation ou reproduction du comportement d'un système donné Activités d'apprentissage Activité 1-Introduction à la modélisation Termes clés Système: un ensemble de composants en interaction dans le temps et dans l'espace. Activités d'apprentissage Activité 1-Découverte des systèmes, quelques exemples concrets Termes clés Systems Dynamics : une approche de modélisation pour la compréhension du comportement non linéaire des systèmes complexes au fil du temps en utilisant les stocks, les flux, la rétroaction interne, les boucles, les délais…. Activités d'apprentissage Activité 1-Présentation du module SD de Netlogo
HAL (Le Centre pour la Communication Scientifique Directe), 2021
HAL is a multidisciplinary open access archive for the deposit and dissemination of scientific research documents, whether they are published or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers. L'archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d'enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.
Aster, 2006
Nous développons dans cet article une approche épistémologique de la modélisation à partir des travaux de deux auteurs de l'école de Stanford, Cartwright et Hacking, et de leur référence commune à Fleck. Dans cette approche, il s'agit de se défaire de l'idée classique du modèle comme simple application ou représentation de lois scientifi ques. Avec les auteurs cités, nous entendons montrer pourquoi les modèles sont intrinsèquement contextuels et sont affaire de capacités plus que de lois, comment ces modèles réalisent l'articulation du concret de l'expérience avec l'abstrait de la théorie et sont, enfi n, l'expression d'un collectif de pensée. De cette épistémologie novatrice, nous dégageons de premières implications didactiques pour l'enseignement et l'apprentissage des sciences
Spirale, 2007
Distribution électronique Cairn.info pour ERES. © ERES. Tous droits réservés pour tous pays. La reproduction ou représentation de cet article, notamment par photocopie, n'est autorisée que dans les limites des conditions générales d'utilisation du site ou, le cas échéant, des conditions générales de la licence souscrite par votre établissement. Toute autre reproduction ou représentation, en tout ou partie, sous quelque forme et de quelque manière que ce soit, est interdite sauf accord préalable et écrit de l'éditeur, en dehors des cas prévus par la législation en vigueur en France. Il est précisé que son stockage dans une base de données est également interdit.
2004
Le dialogue est un processus interactif pendant lequel les différents agents impliqués vont s’engager sur un certain nombre d’éléments propositionnels. La modulation implique des ajouts propositionnels - révisés et atténués - qui ne constituent pas nécessairement une base pour un accord. L’objectif de cet article est donc de proposer une description formelle du phénomène de modulation dans le cadre du modèle de J. Ginzburg.
Notions de bases à connaître pour démarrer la modélisation d'un phénomène physique en ingénierie. Principales étapes à suivre
2002
Le chapitre 3 souligne la généralité de la représentation par objets typés en montrant la possibilité d'y intégrer une grande diversité d'objets définissant un domaine de la connaissance. Nous décrivons plusieurs types de modèles qui peuvent être représentés dans le système MOT : système de faits, taxonomies, objets composés complexes, systèmes procéduraux, définitions et théories, arbres de décision, structures de contrôle, processus et méthodes, systèmes multi-agents. Le chapitre 4 est consacré à « comment représenter », c'est-à-dire à la façon de construire un modèle des connaissances. Au chapitre 5, nous abordons l'étude des compétences et de leur relation avec les connaissances et les habiletés. Le chapitre 6 propose une définition de ce que l'on appelle les « habiletés », c'est-à-dire les ensembles structurés d'actions intellectuelles, d'attitudes, de valeurs et de principes qui sont au coeur de la définition des compétences. Le chapitre 7 définit une taxonomie des habiletés. En tant que processus génériques, les habiletés cognitives, affectives, sociales ou psychomotrices peuvent être vues soit comme des méthodes de solution pour des types de problèmes, soit comme des connaissances actives agissant sur d'autres connaissances, ou encore comme un objectif d'apprentissage ou comme une base de stratégie pédagogique. Dans le chapitre 8, nous reprenons la taxonomie des habiletés construite au chapitre précédent. Nous l'utilisons comme base d'une méthode permettant d'analyser ou de construire un profil de compétences au moyen d'énoncés standardisés qui servent d'appui aux principaux travaux d'ingénierie pédagogique, par exemple la modélisation des connaissances, l'évaluation des compétences, la scénarisation pédagogique ou la sélection des ressources nécessaires aux différents acteurs dans un SA.
Conclusion
aj εt−j avec (εt) bruit blanc gaussien.
→ sous-classe des processus stationnaires : processus linéaires Gaussiens (stationnaires).
En particulier :
Kurtosis : ∀t, κ(Xt) = Cste = 3 (sous sas : 0) Skewness : ∀t, s(Xt) = Cste = 0.
→ la distribution des (Xt) est aussi "plate" que la gaussienne, et symétrique. Rendement instantané (return) : rt = ∇ log(Xt).
Analogie avec actif non-risqué et temps continu :
Observations sur la distribution des rt : périodes de forte volatilité → distribution "aplatie" ; volatilité plus faibleà la hausse qu'à la baisse → asymétrie par rapportà la valeur moyenne.
Remarques : ARCH = autoregressive conditional heteroscedasticity, Variance conditionnelle croissante avec les valeurs passées de X 2 t . bien sûr, non-conditionnellement homoscédastique, Kurtosis > 3, processus ARCH = bruit blanc faible (non gaussien).
Propriété : ARCH(p) et processus AR(p) Soit (Xt) ARCH(p) stationnaire t.q. (X 2 t ) stationnaire. Alors (X 2 t ) est un processus AR(p) : Le modèle GARCH (1986 : Tim Bollerslev) Rappel : ARCH Xt = htεt avec :
Définition : GARCH(p,q) (Xt) est un processus GARCH(p,q) s'il vérifie :
Alors (X 2 t ) est un processus ARMA(max(p,q),q) :
bj Zt−j + Zt où Zt (= X 2 t − ht) est un bruit blanc non gaussien.
→ identification de p et q sur ACF/PACF de (X 2 t ). Remarque : ne suffit bien sûr pas. On peut comparer les σ et AIC/SBC de différents modèles candidats. . .
A major contribution of the ARCH literature is the finding that apparent changes in the volatility of economic time series may be predictable and result from a specific type of nonlinear dependence rather than exogenous structural changes in variables.
23/29
Autorégression (AR(p)) :
φi Xt−i + Zt.
Berra & Higgins 1993
Financial decisions are generally based upon the tradeoff between risk and return ; the econometric analysis of risk is therefore an integral part of asset pricing, portfolio optimization, option pricing and risk management. This paper has presented an example of risk measurement that could be the input to a variety of economic decisions. The analysis of ARCH and GARCH models and their many extensions provides a statistical stage on which many theories of asset pricing and portfolio analysis can be exhibited and tested.
Academia Letters, 2022
Architecture, city and environment, 2024
Cronos (Valencia, Spain), 2006
Tesis doctoral, 2021
Philosophy and Progress, 2022
Híades. Revista de Historia de la Enfermería, núm. 10, 2008
38th Midwest Symposium on Circuits and Systems. Proceedings
Carolina Digital Repository (University of North Carolina at Chapel Hill), 2014
Gestion & finances publiques, 2020
Molecular Genetics and Genomics, 2004
DIGNIDADE RE-VISTA, 2021
Air Medical Journal, 2013