دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Large deviations for stochastic processes
دانلود کتاب انحرافات بزرگ برای فرآیندهای تصادفی
مشخصات کتاب
Large deviations for stochastic processes
ویرایش:
نویسندگان: Jin Feng. Thomas G. Kurtz
سری: Mathematical Surveys and Monographs 131
ISBN (شابک) : 0821841459, 1119893593
ناشر: American Mathematical Society
سال نشر: 2006
تعداد صفحات: 426
زبان: English
فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 مگابایت
قیمت کتاب (تومان) : 36,000
در صورت تبدیل فایل کتاب Large deviations for stochastic processes به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب انحرافات بزرگ برای فرآیندهای تصادفی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب انحرافات بزرگ برای فرآیندهای تصادفی
این کتاب به نتایج مربوط به انحرافات بزرگ برای یک کلاس از فرآیندهای تصادفی اختصاص داده شده است. پس از مقدمه و مرور کلی، مطالب در سه بخش ارائه شده است. بخش 1 شرایط لازم و کافی را برای تنگی نمایی ارائه می دهد که مشابه شرایط تنگی در نظریه همگرایی ضعیف است. بخش 2 بر فرآیندهای مارکوف در فضاهای متریک متمرکز است. برای دنباله ای از چنین فرآیندهایی، همگرایی نیمه گروه های غیرخطی تبدیل لگاریتمی فلمینگ نشان داده شده است که دلالت بر اصل انحراف بزرگ به شیوه ای مشابه با استفاده از همگرایی نیمه گروه های خطی در همگرایی ضعیف دارد. روش های محلول ویسکوزیته شرایط قابل اجرا را برای همگرایی لازم فراهم می کند. بخش 3 روش هایی را برای تأیید اصل مقایسه برای محلول های ویسکوزیته مورد بحث قرار می دهد و نظریه عمومی را برای به دست آوردن انواعی از نتایج جدید و شناخته شده در مورد انحرافات بزرگ برای فرآیندهای مارکوف به کار می گیرد. در مثال‌های مربوط به فضاهای حالت ابعادی نامتناهی، اصول مقایسه جدیدی برای یک کلاس از معادلات همیلتون-جاکوبی در فضاهای هیلبرت و در فضاهای اندازه‌گیری احتمال به دست آمده است.
توضیحاتی درمورد کتاب به خارجی
The book is devoted to the results on large deviations for a class of stochastic processes. Following an introduction and overview, the material is presented in three parts. Part 1 gives necessary and sufficient conditions for exponential tightness that are analogous to conditions for tightness in the theory of weak convergence. Part 2 focuses on Markov processes in metric spaces. For a sequence of such processes, convergence of Fleming's logarithmically transformed nonlinear semigroups is shown to imply the large deviation principle in a manner analogous to the use of convergence of linear semigroups in weak convergence. Viscosity solution methods provide applicable conditions for the necessary convergence. Part 3 discusses methods for verifying the comparison principle for viscosity solutions and applies the general theory to obtain a variety of new and known results on large deviations for Markov processes. In examples concerning infinite dimensional state spaces, new comparison principles are derived for a class of Hamilton-Jacobi equations in Hilbert spaces and in spaces of probability measures
