6. Vers la simulation numerique
305
(c) Czec b Rep . - 200 1
(b ) France - 200 1
-4.5
-4
-3. 5
-3
-2 .5
-2
-1.5
-1
-0 .5
I
I
I
I
I
(a) Germ any - 200 1
(d) Cze ch Rep . - Janu ary 200 1 (e) Cze ch Rep . - Fe bruary 200 1 (e) Cze cb Rep . - M ar cb 200 1
Figure 6.14 - Cartes des sensibilit es (logarithme en base 10) aux emissions de
mer cure de la concent ration moyenne au sol du mer cure sur un e zone donnee
pour un e periode don nee (indiquees au-dessu s de chaque carte). Credit : Yelva
Roust an et Mar c Bocqu et , CEREA . Source : [1191 .
la valeur moyenne des sort ies (y) = JP(x)d x en effectuant N tirages de x, avec
les valeurs (Xi)i ,
1 i= N
(y) ~ N L F (Xi ) .
i= l
(6.63)
On peut avoir plu s gener alement un e est imation de la PD F pour y (figure 6.15) .
La vitesse de convergence est en Var (y)jVN avec Var(y) la variance de y vue
comme un e variabl e st ochastique , ce qui implique qu 'un grand nombre de tirages doit et re utilise. La converge nce de la methode est don e relativement lent e
(rneme si des methodes de reduction de vari an ce permet t ent de l'accelerer) .
6.4 .3.3 Simulation d'ensemble
mult imodeles ou multiconfigurations
11 exist e en pr atique plu sieurs par arnetrisations alternat ives pour un meme
processu s. A priori, il n 'y a pas de raison de privilegier un e par am etrisation
specifique . Les par arnetrisations peuvent generer des ent rees different es (Xi)i
ou definir des modeles different s iF;k
Un systeme mul timodeles est ca pable de fourni r un ense m ble de reponses,
(F( Xi ))i' (Fi (x)) i ou (Fi(x j )) ' Cela perm et d 'evalu er la disp ersion des result ,)
tats et de donner un e indicati on sur les incert itudes (figure 6.16) .
305
(c) Czec b Rep . - 200 1
(b ) France - 200 1
-4.5
-4
-3. 5
-3
-2 .5
-2
-1.5
-1
-0 .5
I
I
I
I
I
(a) Germ any - 200 1
(d) Cze ch Rep . - Janu ary 200 1 (e) Cze ch Rep . - Fe bruary 200 1 (e) Cze cb Rep . - M ar cb 200 1
Figure 6.14 - Cartes des sensibilit es (logarithme en base 10) aux emissions de
mer cure de la concent ration moyenne au sol du mer cure sur un e zone donnee
pour un e periode don nee (indiquees au-dessu s de chaque carte). Credit : Yelva
Roust an et Mar c Bocqu et , CEREA . Source : [1191 .
la valeur moyenne des sort ies (y) = JP(x)d x en effectuant N tirages de x, avec
les valeurs (Xi)i ,
1 i= N
(y) ~ N L F (Xi ) .
i= l
(6.63)
On peut avoir plu s gener alement un e est imation de la PD F pour y (figure 6.15) .
La vitesse de convergence est en Var (y)jVN avec Var(y) la variance de y vue
comme un e variabl e st ochastique , ce qui implique qu 'un grand nombre de tirages doit et re utilise. La converge nce de la methode est don e relativement lent e
(rneme si des methodes de reduction de vari an ce permet t ent de l'accelerer) .
6.4 .3.3 Simulation d'ensemble
mult imodeles ou multiconfigurations
11 exist e en pr atique plu sieurs par arnetrisations alternat ives pour un meme
processu s. A priori, il n 'y a pas de raison de privilegier un e par am etrisation
specifique . Les par arnetrisations peuvent generer des ent rees different es (Xi)i
ou definir des modeles different s iF;k
Un systeme mul timodeles est ca pable de fourni r un ense m ble de reponses,
(F( Xi ))i' (Fi (x)) i ou (Fi(x j )) ' Cela perm et d 'evalu er la disp ersion des result ,)
tats et de donner un e indicati on sur les incert itudes (figure 6.16) .