Geschäftskunden Kundenprogramme
Vor Ort
Merkzettel Warenkorb

Gutscheinbedingungen

*Gültig bis 18.08.2026 auf (fast) alles. Ausgeschlossen sind Smartboxen, Zeitschriften, Tickets, Lebensmittel, Gaming-Elektroartikel, Tinte/Toner, Gutscheine, Geschenkkarten, Blumen und Abos | Einlösbar in allen Buchhandlungen von Orell Füssli, Barth Bücher, Buchladen Rapunzel, Schuler Orell Füssli, Stauffacher und ZAP unter Vorweisung des Gutscheins, auf www.orellfüssli.ch durch Eingabe des Gutscheincodes. Beim Service „eBooks verschenken“ und bei eBook-Käufen via eReader nicht einlösbar | Mindesteinkaufswert: Fr. 100.- | Nicht mit anderen Rabatten kumulierbar.
Produktbild: Limit Theorems on Large Deviations for Markov Stochastic Processes
Band 38

Limit Theorems on Large Deviations for Markov Stochastic Processes

Aus der Reihe Mathematics and its Applications

Fr. 72.90

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

22.08.2012

Verlag

Springer Netherland

Seitenzahl

176

Maße (L/B/H)

23.5/15.5/1.1 cm

Gewicht

294 g

Auflage

Softcover reprint of the original 1st ed. 1990

Sprache

Englisch

ISBN

978-94-010-7325-7

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

22.08.2012

Verlag

Springer Netherland

Seitenzahl

176

Maße (L/B/H)

23.5/15.5/1.1 cm

Gewicht

294 g

Auflage

Softcover reprint of the original 1st ed. 1990

Sprache

Englisch

ISBN

978-94-010-7325-7

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: GPSR Kontakt

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: Limit Theorems on Large Deviations for Markov Stochastic Processes
  • 0.1 Problems on large deviations for stochastic processes.- 0.2 Two opposite types of behaviour of probabilities of large deviations.- 0.3 Rough theorems on large deviations; the action functional.- 0.4 Survey of work on large deviations for stochastic processes.- 0.5 The scheme for obtaining rough theorems on large deviations.- 0.6 The expression: k (?) S (?) is the action functional uniformly over a specified class of initial points.- 0.7 Chapters 3 – 6: a survey.- 0.8 Numbering.- 1. General Notions, Notation, Auxiliary Results.- 1.1. General notation. Legendre transformation.- 1.2. Compensators. Lévy measures.- 1.3. Compensating operators of Markov processes.- 2. Estimates Associated with the Action Functional for Markov Processes.- 2.1. The action functional.- 2.2. Derivation of the lower estimate for the probability of passing through a tube.- 2.3. Derivation of the upper estimate for the probability of going far from the sets
    $$ {{\Phi }_{{{{x}_{0}};\left[ {0,T} \right]}}}\left( i \right),{{\bar{\Phi }}_{{{{x}_{0}};\left[ {0,T} \right]}}}\left( i \right) $$.- 2.4. The truncated action functional and the estimates associated with it.- 3. The Action Functional for Families of Markov Processes.- 3.1. The properties of the functional
    $$ {{S}_{{{{T}_{1}},{{T}_{2}}}}}\left( \phi \right) $$.- 3.2. Theorems on the action functional for families of Markov processes in Rr. The case of finite exponential moments.- 3.3. Transition to manifolds. Action functional theorems associated with truncated cumulants.- 4. Special Cases.- 4.1. Conditions A – E of
    3.1. –
    3.3.- 4.2. Patterns of processes with frequent small jumps. The cases of very large deviations, not very large deviations, and super-large deviations.- 4.3. The case of very large deviations.- 4.4. The case of not very large deviations.- 4.5. Some other patterns of not very large deviations.- 4.6. The case of super-large deviations.- 5. Precise Asymptotics for Large Deviations.- 5.1. The case of the Wiener process.- 5.2. Processes with frequent small jumps.- 6. Asymptotics of the Probability of Large Deviations Due to Large Jumps of a Markov Process.- 6.1. Conditions imposed on the family of processes. Auxiliary results.- 6.2. Main theorems.- 6.3. Applications to sums of independent random variables.- References.