دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Mikhail Menshikov, Serguei Popov, Andrew Wade سری: ISBN (شابک) : 1107026695, 9781107026698 ناشر: Cambridge University Press سال نشر: 2016 تعداد صفحات: 383 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 26 مگابایت
در صورت تبدیل فایل کتاب Non-homogeneous Random Walks: Lyapunov Function Methods for Near-Critical Stochastic Systems (Cambridge Tracts in Mathematics, Band 209) 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 پیادهرویهای تصادفی غیرهمگن: روشهای تابع لیاپانوف برای سیستمهای تصادفی تقریباً بحرانی (تراکتهای کمبریج در ریاضیات، باند 209) 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.
سیستم های تصادفی مدل های انتزاعی قدرتمندی را برای انواع برنامه های کاربردی مهم در زندگی واقعی ارائه می دهند: به عنوان مثال، منبع تغذیه، جریان ترافیک، انتقال داده. آنها (و سیستمهای واقعی که مدلسازی میکنند) اغلب در معرض انتقال فاز قرار میگیرند، زمانی که یک پارامتر کمتر از مقدار بحرانی معینی است به یک روش رفتار میکنند، سپس به محض رسیدن به آن مقدار بحرانی، رفتار را تغییر میدهند. در یک سیستم واقعی، ما لزوماً روی تمام مقادیر پارامتر کنترل نداریم، بنابراین مهم است که بدانیم چگونه نقاط بحرانی را پیدا کنیم و رفتار سیستم را در نزدیکی این نقاط درک کنیم. این کتاب ارائهای مدرن از روش «نیمهمارتینگل» یا «تابع لیاپانوف» است که برای سیستمهای تصادفی نزدیک به بحرانی اعمال میشود، که نمونههایی از آن با پیادهرویهای تصادفی غیرهمگن است. کاربردها سیستمهای تصادفی تقریباً بحرانی را درمان میکنند و در تئوری احتمالات مدرن از مدلهای بیلیارد تصادفی تا سیستمهای ذرات متقابل را در بر میگیرند. پیادهرویهای تصادفی غیرهمگن فضایی در عمق مورد بررسی قرار میگیرند، زیرا سیستمهای اولیه تقریباً بحرانی را ارائه میدهند.
Stochastic systems provide powerful abstract models for a variety of important real-life applications: for example, power supply, traffic flow, data transmission. They (and the real systems they model) are often subject to phase transitions, behaving in one way when a parameter is below a certain critical value, then switching behaviour as soon as that critical value is reached. In a real system, we do not necessarily have control over all the parameter values, so it is important to know how to find critical points and to understand system behaviour near these points. This book is a modern presentation of the 'semimartingale' or 'Lyapunov function' method applied to near-critical stochastic systems, exemplified by non-homogeneous random walks. Applications treat near-critical stochastic systems and range across modern probability theory from stochastic billiards models to interacting particle systems. Spatially non-homogeneous random walks are explored in depth, as they provide prototypical near-critical systems.
Contents Preface Notation 1 Introduction 1.1 Random Walks 1.2 Simple Random Walk 1.3 Lamperti’s Problem 1.4 General Random Walk 1.5 Recurrence and Transience 1.6 Angular Asymptotics 1.7 Centrally Biased Random Walks Bibliographical Notes 2 Semimartingale Approach and Markov Chains 2.1 Definitions 2.2 An Introductory Example 2.3 Fundamental Semimartingale Facts 2.4 Displacement and Exit Estimates 2.5 Recurrence and Transience Criteria for Markov Chains 2.6 Expectations of Hitting Times and Positive Recurrence 2.7 Moments of Hitting Times 2.8 Growth Bounds on Trajectories Bibliograpical Notes 3 Lamperti’s Problem 3.1 Introduction 3.2 Markovian Case 3.3 General Case 3.4 Lyapunov Functions 3.5 Recurrence Classification 3.6 Irreducibility and Regeneration 3.7 Moments and Tails of Passage Times 3.8 Excursion Durations and Maxima 3.9 Almost-Sure Bounds on Trajectories 3.10 Transient Theory in the Critical Case 3.11 Nullity and Weak Limits 3.12 Supercritical Case 3.13 Proofs for the Markovian Case Bibliographical Notes 4 Many-Dimensional Random Walks 4.1 Introduction 4.2 Elliptic Random Walks 4.3 Controlled Driftless Random Walks 4.4 Centrally Biased Random Walks 4.5 Range and Local Time of Many-Dimensional Martingales Bibliographical Notes 5 Heavy Tails 5.1 Chapter Overview 5.2 Directional Transience 5.3 Oscillating Random Walk Bibliographical Notes 6 Further Applications 6.1 Random Walk in Random Environment 6.2 Random Strings in Random Environment 6.3 Stochastic Billiards 6.4 Exclusion and Voter Models Bibliographical Notes 7 Markov Chains in Continuous Time 7.1 Introduction and Notation 7.2 Recurrence and Transience 7.3 Existence and Non-existence of Moments of Passage Times 7.4 Explosion and Implosion 7.5 Applications Bibliographical Notes Glossary of Named Assumptions References Index