دانلود کتاب Analysis and Approximation of Rare Events
دسته: احتمال
کتاب تحلیل و تقریب رویدادهای نادر نسخه زبان اصلی
دانلود کتاب تحلیل و تقریب رویدادهای نادر بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
توضیحاتی در مورد کتاب Analysis and Approximation of Rare Events
نام کتاب : Analysis and Approximation of Rare Events
ویرایش : 1
عنوان ترجمه شده به فارسی : تحلیل و تقریب رویدادهای نادر
سری : Probability Theory and Stochastic Modelling 94
نویسندگان : A. Budhiraja , P. Dupuis
ناشر : Springer
سال نشر : 2019
تعداد صفحات : 577
ISBN (شابک) : 9781493995776
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 7 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
توضیحاتی در مورد کتاب :
این کتاب روش‌های قابل‌کاربردی را برای تحلیل انحراف بزرگ و انحراف متوسط سیستم‌های تصادفی زمان گسسته و پیوسته ارائه می‌کند. یکی از ویژگی های کتاب استفاده سیستماتیک از نمایش های متغیر برای مقادیر مورد علاقه مانند لگاریتم های نرمال شده احتمالات و مقادیر مورد انتظار است. با مشخص کردن یک اصل انحراف بزرگ از نظر مجانبی لاپلاس، اثبات محدودیت‌های انحراف بزرگ به همگرایی نمایش‌های متغیر تبدیل می‌شود. این ویژگی‌ها با کاربرد آنها در طیف وسیعی از مدل‌های زمان گسسته و پیوسته، از جمله معادلات دیفرانسیل جزئی تصادفی، فرآیندهای با آمار ناپیوسته، مدل‌های اشغال، و بسیاری دیگر نشان داده شده‌اند. ابزارهای مورد استفاده در تحلیل انحراف بزرگ نیز در درک طرح‌های مونت کارلو برای تقریب عددی احتمالات و مقادیر مورد انتظار مفید هستند. این ارتباط از طریق طراحی و تحلیل طرح‌های نمونه‌برداری و تقسیم اهمیت برای تخمین رویداد نادر نشان داده شده است. این کتاب پیش‌زمینه‌ای محکم در همگرایی ضعیف اندازه‌گیری‌های احتمال و تحلیل تصادفی دارد و برای دانشجویان تحصیلات تکمیلی پیشرفته، فوق دکترا و محققان مناسب است.
فهرست مطالب :
Front Matter ....Pages i-xix
Front Matter ....Pages 1-1
General Theory (Amarjit Budhiraja, Paul Dupuis)....Pages 3-29
Relative Entropy and Tightness of Measures (Amarjit Budhiraja, Paul Dupuis)....Pages 31-47
Examples of Representations and Their Application (Amarjit Budhiraja, Paul Dupuis)....Pages 49-76
Front Matter ....Pages 77-78
Recursive Markov Systems with Small Noise (Amarjit Budhiraja, Paul Dupuis)....Pages 79-117
Moderate Deviations for Recursive Markov Systems (Amarjit Budhiraja, Paul Dupuis)....Pages 119-149
Empirical Measure of a Markov Chain (Amarjit Budhiraja, Paul Dupuis)....Pages 151-179
Models with Special Features (Amarjit Budhiraja, Paul Dupuis)....Pages 181-207
Front Matter ....Pages 209-210
Representations for Continuous Time Processes (Amarjit Budhiraja, Paul Dupuis)....Pages 211-244
Abstract Sufficient Conditions for Large and Moderate Deviations in the Small Noise Limit (Amarjit Budhiraja, Paul Dupuis)....Pages 245-260
Large and Moderate Deviations for Finite Dimensional Systems (Amarjit Budhiraja, Paul Dupuis)....Pages 261-294
Systems Driven by an Infinite Dimensional Brownian Noise (Amarjit Budhiraja, Paul Dupuis)....Pages 295-318
Stochastic Flows of Diffeomorphisms and Image Matching (Amarjit Budhiraja, Paul Dupuis)....Pages 319-342
Models with Special Features (Amarjit Budhiraja, Paul Dupuis)....Pages 343-380
Front Matter ....Pages 381-382
Rare Event Monte Carlo and Importance Sampling (Amarjit Budhiraja, Paul Dupuis)....Pages 383-412
Performance of an IS Scheme Based on a Subsolution (Amarjit Budhiraja, Paul Dupuis)....Pages 413-437
Multilevel Splitting (Amarjit Budhiraja, Paul Dupuis)....Pages 439-469
Examples of Subsolutions and Their Application (Amarjit Budhiraja, Paul Dupuis)....Pages 471-508
Back Matter ....Pages 509-574
توضیحاتی در مورد کتاب به زبان اصلی :
This book presents broadly applicable methods for the large deviation and moderate deviation analysis of discrete and continuous time stochastic systems. A feature of the book is the systematic use of variational representations for quantities of interest such as normalized logarithms of probabilities and expected values. By characterizing a large deviation principle in terms of Laplace asymptotics, one converts the proof of large deviation limits into the convergence of variational representations. These features are illustrated though their application to a broad range of discrete and continuous time models, including stochastic partial differential equations, processes with discontinuous statistics, occupancy models, and many others. The tools used in the large deviation analysis also turn out to be useful in understanding Monte Carlo schemes for the numerical approximation of the same probabilities and expected values. This connection is illustrated through the design and analysis of importance sampling and splitting schemes for rare event estimation. The book assumes a solid background in weak convergence of probability measures and stochastic analysis, and is suitable for advanced graduate students, postdocs and researchers.