Commit dfbf2216 authored by Roland Denis's avatar Roland Denis

Fix Markdown

parent ff0aa26a
Pipeline #8781 passed with stages
in 2 minutes and 24 seconds
......@@ -16,6 +16,8 @@ Attachment: job_8eb69f4a002ed62dad088fc8e8b289b6_attachment.pdf
Dans le cadre du projet FEDER DAISI (DAta scIence : méthodologieS et applIcations), le LMRS
(Laboratoire de Mathématiques Raphaël Salem) de l’Université de Rouen–Normandie recrute un ingénieur d’étude ou un ingénieur de recherche pour le développement de packages R dédiés à l’estimation, la simulation et l’utilisation de modèles stochastiques à dépendance de type markovien :
• les modèles de Markov (MM) et les modèles semi-markoviens (SMM) : les processus semi-markoviens généralisent les processus de Markov, dans le sens où la loi du temps de séjour dans un état peut être une loi arbitraire, tandis que dans le cas markovien le processus est contraint de rester dans un état un temps géométrique ou exponentiel. C’est pourquoi les processus semi-markoviens se sont avérés être des outils très flexibles pour les applications, en étant facilement adaptables aux cas concrets rencontrés dans la pratique.
• les modèles de Markov dérivants (DMM) et les modèles semi-markoviens dérivants (DSMM) : les DMM représentent une classe de processus de Markov non-homogènes pour lesquels la matrice de transition markovienne et une fonction linéaire (polynomiale) de deux (plusieurs) matrices markoviennes. Ainsi on obtient une sorte de non-homogénéité “lisse”, contrôlée. Une extension importante au cas semi-markovien (DSMM) peut également être obtenue en suivant les même lignes.
Le logiciel statistique utilisé pour le développement sera le logiciel R. Une version du package pour les modèles SMM est déjà disponible sur le CRAN , les packages DMM et DSMM seront développés par l’ingénieur(e) recruté(e).
\ No newline at end of file
* les modèles de Markov (MM) et les modèles semi-markoviens (SMM) : les processus semi-markoviens généralisent les processus de Markov, dans le sens où la loi du temps de séjour dans un état peut être une loi arbitraire, tandis que dans le cas markovien le processus est contraint de rester dans un état un temps géométrique ou exponentiel. C’est pourquoi les processus semi-markoviens se sont avérés être des outils très flexibles pour les applications, en étant facilement adaptables aux cas concrets rencontrés dans la pratique.
* les modèles de Markov dérivants (DMM) et les modèles semi-markoviens dérivants (DSMM) : les DMM représentent une classe de processus de Markov non-homogènes pour lesquels la matrice de transition markovienne et une fonction linéaire (polynomiale) de deux (plusieurs) matrices markoviennes. Ainsi on obtient une sorte de non-homogénéité “lisse”, contrôlée. Une extension importante au cas semi-markovien (DSMM) peut également être obtenue en suivant les même lignes.
Le logiciel statistique utilisé pour le développement sera le logiciel R. Une version du package pour les modèles SMM est déjà disponible sur le CRAN , les packages DMM et DSMM seront développés par l’ingénieur(e) recruté(e).
Markdown is supported
0% or
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment