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: 1
نویسندگان: Ludwig Arnold
سری:
ISBN (شابک) : 0471033596, 9780471033592
ناشر: Wiley Interscience
سال نشر:
تعداد صفحات: 244
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 2 مگابایت
در صورت تبدیل فایل کتاب Stochastic Differential Equations: Theory and Applications 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 معادلات دیفرانسیل تصادفی: نظریه و کاربردها 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.
مبانی نظریه احتمال؛ فرآیندهای مارکوف و فرآیندهای انتشار؛ فرآیند وینر و نویز سفید؛ انتگرال های تصادفی؛ انتگرال تصادفی به عنوان یک فرآیند تصادفی، دیفرانسیل های تصادفی. معادلات دیفرانسیل تصادفی، وجود و منحصر به فرد بودن راه حل ها. خواص حل معادلات دیفرانسیل تصادفی; معادلات دیفرانسیل تصادفی خطی; حل معادلات دیفرانسیل تصادفی به عنوان فرآیندهای مارکوف و انتشار. سوالات مدلسازی و تقریب; پایداری سیستم های دینامیکی تصادفی؛ فیلتر کردن بهینه سیگنال مختل. کنترل بهینه سیستم های دینامیکی تصادفی
Fundamentals of probability theory; Markov processes and diffusion processes; Wiener process and white noise; Stochastic integrals; The stochastic integral as a stochastic process, stochastic differentials; Stochastic differential equations, existence and uniqueness of solutions; Properties of the solutions of stochastic differential equations; Linear stochastic differentials equations; The solutions of stochastic differentail equations as Markov and diffusion processes; Questions of modeling and approximation; Stability of stochastic dynamic systems; Optimal filtering of a disturbed signal; Optimal control of stochastic dynamic systems.
Title Page......Page 1
Copyright Page......Page 2
Preface......Page 3
Contents ......Page 5
Introduction ......Page 9
Notation and Abbreviations ......Page 13
1.1 Events and random variables ......Page 17
1.2 Probability and distribution functions ......Page 19
1.3 Integration theory, expectation ......Page 23
1.4 Convergence concepts ......Page 28
1.5 Products of probability spaces, independence ......Page 30
1.6 Limit theorems ......Page 33
1.7 Conditional expectations and conditional probabilities ......Page 34
1.8 Stochastic processes ......Page 37
1.9 Martingales ......Page 41
2.1 The Markov property ......Page 43
2.2 Transition probabilities, the Chapman-Kolmogorov equation ......Page 45
2.3 Examples ......Page 50
2.4 The infinitesimal operator ......Page 52
2.5 Diffusion processes ......Page 55
2.6 Backward and forward equations ......Page 57
3.1 Wiener process ......Page 61
3.2 White noise ......Page 66
4.1 Introduction ......Page 73
4.2 An example ......Page 74
4.3 Nonanticipating functions ......Page 77
4.4 Definition of the stochastic integral ......Page 80
4.5 Examples and remarks ......Page 91
5.1 The stochastic integral as a function of the upper limit ......Page 95
5.2 Examples and remarks ......Page 100
5.3 Stochastic differentials. Ito's theorem ......Page 104
5.4 Examples and remarks in connection with It6's theorem ......Page 108
5.5 Proof of Ito's theorem ......Page 112
6.1 Definition and examples ......Page 116
6.2 Existence and uniqueness of a solution ......Page 121
6.3 Supplements to the existence-and-uniqueness theorem I I I ......Page 0
7.1 The moments of the solutions ......Page 132
7.2 Analytical properties of the solutions ......Page 136
7.3 Dependence of the solutions on parameters and initial values ......Page 138
8.1 Introduction ......Page 141
8.2 Linear equations in the narrow sense ......Page 144
8.3 The Ornstein-Uhlenbeck-process ......Page 150
8.4 The general scalar linear equation ......Page 152
8.5 The general vector linear equation ......Page 157
9.1 Introduction ......Page 161
9.2 The solutions as Markov processes ......Page 162
9.3 The solutions as diffusion processes ......Page 168
9.4 Transition probabilities ......Page 172
10.1 The shift from a real to a Markov process ......Page 179
10.2 Stratonovich's stochastic integral ......Page 183
10.3 Approximation of stochastic differential equations ......Page 188
11.1 Stability of deterministic systems ......Page 192
11.2 The basic ideas of stochastic stability theory ......Page 195
11.3 Stability of the moments ......Page 204
11.4 Linear equations ......Page 206
11.5 The disturbed n th-order linear equation ......Page 212
11.6 Proof of stability by linearization ......Page 214
11.7 An example from satellite dynamics ......Page 215
12.1 Description of the problem ......Page 218
12.2 The conditional expectation as optimal estimate ......Page 221
12.3 The Kalman-Bucy filter ......Page 222
12.4 Optimal filters for linear systems ......Page 224
13.1 Bellman's equation ......Page 227
13.2 Linear systems ......Page 229
13.3 Control on the basis of filtered observations ......Page 231
Bibliography ......Page 233
Name and Subject Index ......Page 239