Recenzja rozprawy doktorskiej mgra Piotra Dyszewskiego Asymptotyczne własności modeli bazujących na transformacie gładzącej

Podobne dokumenty
Prawa wielkich liczb, centralne twierdzenia graniczne

Afiniczne rekursje stochastyczne z macierzami trójkatnymi

Ośrodkowość procesów, proces Wienera. Ośrodkowość procesów, proces Wienera Procesy Stochastyczne, wykład, T. Byczkowski,

Spacery losowe generowanie realizacji procesu losowego

PROCESY STOCHASTYCZNE. PEWNE KLASY PROCESÓW STOCHASTYCZNYCH Definicja. Procesem stochastycznym nazywamy rodzinę zmiennych losowych X(t) = X(t, ω)

Dystrybucje, wiadomości wstępne (I)

Lista zadania nr 7 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie

Zagadnienia brzegowe dla równań eliptycznych

Wykłady... b i a i. i=1. m(d k ) inf

Stacjonarne procesy gaussowskie, czyli o zwiazkach pomiędzy zwykła

Zadania z Rachunku Prawdopodobieństwa III - 1

Procesy stochastyczne

Rachunek prawdopodobieństwa 1B; zadania egzaminacyjne.

Wykład 11: Martyngały: Twierdzenie o zbieżności i Hoeffdinga

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ.

Wykład 11: Martyngały: definicja, twierdzenia o zbieżności

Procesy stochastyczne

28 maja, Problem Dirichleta, proces Wienera. Procesy Stochastyczne, wykład 14, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126

Rekurencje. Jeśli algorytm zawiera wywołanie samego siebie, jego czas działania moŝe być określony rekurencją. Przykład: sortowanie przez scalanie:

Prawdopodobieństwo i statystyka

Drugie kolokwium z Rachunku Prawdopodobieństwa, zestaw A

F t+ := s>t. F s = F t.

Indukcja matematyczna

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych

8 Całka stochastyczna względem semimartyngałów

Proces rezerwy w czasie dyskretnym z losową stopą procentową i losową składką

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ.

Wykład 6 Estymatory efektywne. Własności asymptotyczne estym. estymatorów

Nieregularne ścieżki - między determinizmem a losowością

Metody iteracyjne rozwiązywania układów równań liniowych (5.3) Normy wektorów i macierzy (5.3.1) Niech. x i. i =1

Matematyka z el. statystyki, # 6 /Geodezja i kartografia II/

Metody probabilistyczne

21 maja, Mocna własność Markowa procesu Wienera. Procesy Stochastyczne, wykład 13, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126

G. Plebanek, MIARA I CAŁKA Zadania do rozdziału 1 28

Rozkłady statystyk z próby

Informacja o przestrzeniach Hilberta

Wstęp do rachunku prawdopodobieństwa. Cz. 2 / William Feller. wyd. 4, dodr. 3. Warszawa, Spis treści

Teoria miary. WPPT/Matematyka, rok II. Wykład 5

Ważną rolę odgrywają tzw. funkcje harmoniczne. Przyjmujemy następującą definicję. u = 0, (6.1) jest operatorem Laplace a. (x,y)

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory

1 Wykład 4. Proste Prawa wielkich liczb, CTG i metody Monte Carlo

Funkcje charakterystyczne zmiennych losowych, linie regresji 1-go i 2-go rodzaju

Informacja o przestrzeniach Sobolewa

Ćwiczenia z metodyki nauczania rachunku prawdopodobieństwa

Funkcja tworząca Funkcja charakterystyczna. Definicja i własności Funkcja tworząca momenty

Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe

Analiza funkcjonalna 1.

Układy stochastyczne

STATYSTYKA MATEMATYCZNA. rachunek prawdopodobieństwa

O pewnych klasach funkcji prawie okresowych (niekoniecznie ograniczonych)

1 Relacje i odwzorowania

Generowanie liczb o zadanym rozkładzie. ln(1 F (y) λ

Teoretyczne podstawy informatyki

Geometryczna zbieżność algorytmu Gibbsa

Matematyka dyskretna. Andrzej Łachwa, UJ, /14

Wstęp do Matematyki (4)

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn

LOGIKA I TEORIA ZBIORÓW

Wykład 2 Zmienne losowe i ich rozkłady

Zadanie 1. Liczba szkód N w ciągu roku z pewnego ryzyka ma rozkład geometryczny: k =

Estymacja parametrów w modelu normalnym

UPORZĄDKOWANIE STOCHASTYCZNE ESTYMATORÓW ŚREDNIEGO CZASU ŻYCIA. Piotr Nowak Uniwersytet Wrocławski

W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych:

Matematyka ubezpieczeń majątkowych r.

poprzez reasekurację proporcjonalną w modelu Jan Matuszewski Uniwersytet Warszawski

PRZEWODNIK PO PRZEDMIOCIE

Weronika Łabaj. Geometria Bolyaia-Łobaczewskiego

AKADEMIA GÓRNICZO-HUTNICZA Wydział Matematyki Stosowanej ROZKŁAD NORMALNY ROZKŁAD GAUSSA

Logika Stosowana. Wykład 1 - Logika zdaniowa. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2016/2017

Rodzinę F złożoną z podzbiorów zbioru X będziemy nazywali ciałem zbiorów, gdy spełnione są dwa następujące warunki.

jest ciągiem elementów z przestrzeni B(R, R)

Estymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014

Wokół nierówności Dooba

Modele zapisane w przestrzeni stanów

Aproksymacja diofantyczna

Matematyka dyskretna. Andrzej Łachwa, UJ, /15

Matematyka II. Bezpieczeństwo jądrowe i ochrona radiologiczna Semestr letni 2018/2019 wykład 13 (27 maja)

Rozkłady prawdopodobieństwa

Zadania do Rozdziału X

III. Układy liniowe równań różniczkowych. 1. Pojęcie stabilności rozwiązań.

Prawdopodobieństwo i statystyka

6. Zmienne losowe typu ciagłego ( ) Pole trapezu krzywoliniowego

Szczegółowy rozkład materiału dla klasy 3b poziom rozszerzny cz. 1 - liceum

Podstawy metod probabilistycznych. dr Adam Kiersztyn

2. P (E) = 1. β B. TSIM W3: Sygnały stochastyczne 1/27

Spacery losowe w R d

Zmienne losowe i ich rozkłady. Momenty zmiennych losowych. Wrocław, 10 października 2014

Matematyka ubezpieczeń majątkowych r.

1. Granice funkcji - wstępne definicje i obliczanie prostych granic

Twierdzenia graniczne fluktuacji procesów przebywania dla układów gałazkowych

Matematyka do liceów i techników Szczegółowy rozkład materiału Klasa III zakres rozszerzony 563/3/2014

Prawdopodobieństwo i statystyka

prof. dr hab. Zbigniew Czarnocki Warszawa, 3 lipca 2015 Uniwersytet Warszawski Wydział Chemii

Układy równań i nierówności liniowych

Dystrybucje. Marcin Orchel. 1 Wstęp Dystrybucje Pochodna dystrybucyjna Przestrzenie... 5

TEORETYCZNE PODSTAWY INFORMATYKI

Przestrzenie wektorowe

Statystyka matematyczna dla leśników

Lokalna odwracalność odwzorowań, odwzorowania uwikłane

Transkrypt:

prof. dr hab. Rafał Latała Instytut Matematyki Uniwersytet Warszawski ul. Banacha 2 02-097 Warszawa Warszawa, 25 czerwca 2018 Recenzja rozprawy doktorskiej mgra Piotra Dyszewskiego Asymptotyczne własności modeli bazujących na transformacie gładzącej Omawiana rozprawa doktorska składa się ze wstępu i 4 prac: [1] Ewa Damek, Piotr Dyszewski, Iterated random functions and regularly varying tails, arxiv:1706.03876, [2] Gerold Alsmeyer, Piotr Dyszewski, Thin tails of the nonhomogeneous smoothing transform, Stochastic Processes and their Applications 127 (2017), 3014 3031, [3] Dariusz Buraczewski, Piotr Dyszewski, Precise large deviation estimates for branching processes in random enviroment, arxiv:1706.03874, [4] Dariusz Buraczewski, Piotr Dyszewski, Precise large deviations for random walk in random enviroment, arxiv:1710.01075. Zgodnie z tytułem rozprawy, prace dotyczą analizy modeli probabilistycznych związanych z transformatą gładzącą, tzn. operatorem S na przestrzeni miar probabilistycznych na R, określonym wzorem ( N ) Sµ := L A k X k + B, gdzie X 1, X 2,... są niezależnymi zmiennymi o rozkładzie µ, niezależnymi od wektora losowego (B, N, A 1, A 2,... ). Punkty stałe tego odwzorowania, czyli miary probabilistyczne takie, że Sµ = µ, to rozkłady zmiennych spełniających afiniczne równanie stochastyczne X d = N A k X k + B, (1) gdzie X 1, X 2,... są niezależnymi kopiami zmiennej X, niezależnymi od innych zmiennych w tym równaniu. 1

Pierwsze dwie prace [1] i [2] analizują asymptotykę rozwiązań (1), natomiast kolejne dwie [3] i [4] dotyczą pewnych modeli procesów gałązkowych i błądzeń losowych w losowym środowisku, przy badaniu których w naturalny sposób pojawiają się zmienne związane z transformatą S dla N = 1. Pokrótce omówię wyniki rozprawy. Praca [1] zajmuje się problemem wyznaczenia dokładnej asymptotyki ogonów zmiennych X spełniających równanie rekursji losowej X d = AX + B oraz jego uogólnienie postaci X d = Ψ(X), gdzie Ψ jest funkcją losową niezależną od X, która się dobrze aproksymuje przez losową funkcję afiniczną AX +B. Skoncentrowano się na przypadku, gdy zmienne A i B mają porównywalne ogony - jak pokazano w Example 2, wtedy kluczowe dla asymptotyki X staje się badanie zależności między A i B. Theorem 1 podaje asymptotykę ogona rozwiązania rekursji losowej przy odpowiednich założeniach na regularność rozkładu A i zależność między ogonami Ay + B oraz A (w Corollary 3 podano dość przyjemny warunek z którego można wywnioskować te zależności). Theorem 2 dotyczy ogólniejszej sytuacji, gdy zamiast AX +B w równaniu jest funkcja losowa Ψ. W pracy [2] pokazano wpierw (opierając się na prostym rozumowaniu z użyciem martyngałów), że jeśli EB = 0, E B p < oraz E N A k p < 1 dla pewnego p [1, 2], to (1) ma jednoznaczne tzw. kanoniczne rozwiązanie W zadane przez odpowiedni nieskończony szereg. Dodając pewne naturalne założenia podano w Theorem 1 (i nieco bardziej szczegółowym Theorem 5) warunki równoważne istnieniu nietrywialnego momentu wykładniczego W. Następnie, zakładając dodatkowo, że sup k A k 1 p.n. scharakteryzowano w Theorem 2 i 3 obszar skończoności transformaty Laplace a W. Najciekawszy i najbardziej delikatny w mojej opinii wynik tej pracy to Theorem 4, gdzie podano warunki (w terminach zachowania rozkładu sup A k w otoczeniu 1) gwarantujące poissonowskie ogony zmiennej W. Wcześniej podobne wyniki dla rekursji losowych uzyskali Goldie i Grübel oraz Hitczenko i Wesołowski. Motywacją dla wyników tej pracy jest badanie asymptotyki ogona tzw. rozkładu Quicksort, który pojawia się jako granica odpowiednio znormalizowanego czasu działania algorytmu sortowania n-liczb. Asymptotykę rozkładu Quicksort wcześniej wyprowadził Janson, ale wyniki uzyskane przez autorów działają w większej ogólności, obejmując szerszą klasę równań (1). W pracy [3] bada się procesy gałązkowe w losowym środowisku (PGLŚ), 2

tzn. procesy (Z n ) n 0 określone wzorem Z n Z 0 = 1, Z n+1 = ξk n, n = 0, 1,... gdzie dla każdego n 0 zmienne (ξk n) k 0 mają wartości naturalne, są niezależne i mają jednakowy rozkład Q n. Losowe środowisko Q = (Q n ) n 0 to ciąg niezależnych, jednakowo rozłożonych miar losowych na liczbach naturalnych. PGLŚ można uważać za uogólnienie klasycznego modelu Galtona-Watsona odpowiadającego przypadkowi jednopunktowego rozkładu miar Q i. PGLŚ zostały wprowadzone przez Smitha i Wilkinsona w 1969 roku i były od tej pory badane przez wielu probabilistów. Główne wyniki pracy, sformułowane w Theorem 1 i 3 dotyczą precyzyjnej asymptotyki wielkich odchyleń dla Z n oraz W n := n k=0 Z n, tzn. dokładnych oszacowań prawdopodobieństw P(Z n e ρn ) i P(W n e ρn ) przy n. Asymptotyka ta zależy od zachowania zmiennej A := E[Z 1 Q 1 ] = j=0 jq 1 (j). Warto dodać, że zarówno Theorem 1 jak i Theorem 3 mają zaskakująco proste założenia. Ponadto autorzy rozważają też w przypadku podkrycznym E log A < 0 (implikującym lim Z n = 0 p.n.) wielkie odchylenia dla pierwszego osiągnięcia przez procesy Z = (Z n ) i W = (W n ) poziomu t (Theorem 2 i 4). W badaniu procesów kluczowe role odgrywają zmienne Π n = n k=0 A k i R n = n k=0 Π k 1 oczywiśćie Π n = A n Π n 1, zaś zmienne R n mają ten sam rozkład co zmienne Rn spełniąjące rekursje losową Rn = A n Rn 1 + 1. Ponadto do zmiennych Π n można stosować klasyczne oszacowania wielkich odchyleń Bahadura-Rao i Pietrowa. W [4] analizowane są błądzenia losowe w losowym środowisku (BLLŚ). W tym modelu, najpierw losowo wybieramy środowisko, czyli ciąg ω = (ω n ) n Z, gdzie ω n są niezależnymi zmiennymi losowych o jednakowym rozkładzie i wartościach w (0, 1). Przy ustalonym środowisku ω, ciąg (X n ) n 0 jest błądzeniem losowym po Z, startującym z 0 i przechodzącym ze stanu i do i + 1 bądź i 1 z prawdopodobieństwami odpowiednio ω i oraz 1 ω i. Przy analizie BLLŚ kluczową rolę odgrywają zmienne losowe A n = 1 ωn ω n które mają oczywiście jednakowy rozkład. Jeśli E log A n < 0, to zmienne X n uciekają p.n. do nieskończoności, oraz jak wykazał Solomon (Annals of Probability 1975) spełnione jest mocne prawo wielkich liczb lim n X n /n = v p.n. Kesten, Kozlov i Spitzer (Compositio Math. 1975) wykazali Centralne Twierdzenie Graniczne dla odpowiednio znormalizowanego X n vn. Następnie szereg autorów (Dembo, Peres, Pisztora, Povel, Varadhan, Zeitouni) dowodziło logarytmiczne szacowania wielkich odchyleń. W [4] udowodniono asymptotyczne dokładne oszacowania prawdopodobieństw wielkich odchyleń, zarówno w 3

przypadku balistycznym, gdy v > 0 (Theorem 1) jak i podbalistycznym, gdy v = 0 (Theorem 2). Założenia obu twierdzeń dotyczą regularności rozkładu zmiennych A n i są zaskakująco mało techniczne jak na tak dokładne szacowania. Dowody oparte są na analizie procesu gałązkowego z imigracją w losowym środowisku, który można stowarzyszyć z BLLŚ. Jak już było widać w [3] procesy takie są ściśle związane z rekursjami losowymi, a do badania ich precyzyjnej asymptotyki przydają się twierdzenia typu Bahadura-Rao. Wszystkie prace są bardzo ładnie napisane, przedstawione problemy są naturalne i dobrze umotywowane. Uzyskane wyniki mają precyzyjne i całkiem eleganckie sformułowania (choć oczywiście w przypadku dokładnych oszacowań ogonów pewna techniczność założeń jest nie do uniknięcia). Szczegółowe dowody odłożono do dalszych części artykułów, a w pierwszych ich częściach skupiono się na przedyskutowaniu wyników, najważniejszych idei dowodów i podaniu przykładów, co znakomicie ułatwia lekturę. Mimo, że moja tematyka badawcza jest dość odległa od prac zebranych w rozprawie, czytałem je z zaciekawieniem i przyjemnością. Należy też wspomnieć, że podobną tematyką zajmuje się wielu probabilistów, a wyniki rozprawy często uogólniają rezultaty uzyskane wcześniej przez znakomitych matematyków. Rozprawa jest bardzo obszerna, ma dobrze ponad sto, gęsto zadrukowanych, stron, zawiera wiele delikatnych rachunków i zróżnicowanych rozumowań. Nie miałem niestety czasu sprawdzić wszystkich dowodów, ze wszystkimi szczegółami przeczytałem pracę [2]. W [2] kluczowe jest szacowanie z góry transformaty Laplace a Ψ zmiennej W. Równanie (1) implikuje, że funkcja Ψ spełnia równanie Ψ(θ) = E [ e θb N Ψ(A k θ) ]. (2) Proste, ale bardzo użyteczne spostrzeżenie, zawarte w Lemma 2, pokazuje, że jeśli pewna inna funkcja Φ jest tzw. superrozwiązaniem (2) na pewnym przedziale I zawierającym 0, to Ψ Φ na I. Przy dowodzeniu poszczególnych twierdzeń trzeba oczywiście zgadnąć odpowiednio prostą funkcję Φ. Sformułowanie Lemma 2 jest odrobinę nieprecyzyjne, brakuje w nim założenia (potrzebnego, gdy T k ma wartości poza [0, 1]), że T k I I p.n. W [2] znalazłem też nieco innych usterek, nie mających jednak większego wpływu na poprawność dowodów. W Example 3 źle jest policzone P(U 1 U 2 1 δ), choć rząd wielkości się zgadza. W Example 4 nie rozumiem dlaczego w linii -6 str. 41 oszacowano o(1)θ α(n 1) 0 przez o(1) przy θ 0 0. Na stronie 45 źle policzono trzecią pochodną funkcji G (co ułatwiło dalsze szacowania). Nierówność z linii -13 str. 46 wykorzystuje założenie, że 4

nie zachodzi zdegenerowana sytuacja N = 1 i T 1 = 1 p.n.. Na dole strony 48 w warunkach na ξ suprema powinny być brane po przedziale [θ, θ ]. W szacowaniu (41) powinno być w dwóch miejscach ζθ 2 Σ 2 zamiast ζσ 2, co wymusza nieco delikatniejsze dalsze szacowania (szczęśliwie czynnik ξθ q e bθ jest większy niż ζθ 2 Σ 2 dla θ > 1 i odpowiednio dużego ξ). Ogólnie jednak moje drobne zastrzeżenia nie wpływają na bardzo wysoką ocenę rozprawy. Szczególnie wartościowe wydają mi się wyniki [4] błądzeniami losowymi w losowym środowisku zajmuje się wielu matematyków, Doktorantowi i jego Promotorowi udało się uzyskać bardzo głęboki i dalece nieoczywisty w mojej opinii rezultat. Nie mam żadnych wątpliwości, że przedstawiona rozprawa spełnia z dużym naddatkiem wszelkie ustawowe i zwyczajowe wymagania stawiane rozprawom doktorskim. Wnoszę o jej przyjęcie i dopuszczenie magistra Piotra Dyszewskiego do dalszej części przewodu doktorskiego. Na koniec chciałbym się odnieść do pytania o możliwość wyróżnienia recenzowanej rozprawy. Odpowiedź nieco utrudnia fakt, że wszystkie prace wchodzące w skład doktoratu są współautorskie, a wszyscy współautorzy są doświadczonymi matematykami, o uznanym w świecie dorobku. Z drugiej strony, nie często się zdarza, by doktorant, miał na etapie składania rozprawy, publikacje z poważanym matematykiem z ośrodka zagranicznego. Z dostarczonych mi wraz z rozprawą oświadczeń wnoszę też, że wkład mgra Dyszewskiego w powstanie w każdej z publikacji był bardzo znaczący, zdecydowanie przekraczający 50%. Biorąc pod uwagę wysoki matematyczny poziom, oraz różnorodność uzyskanych wyników i stosowanych technik, z pełnym przekonaniem, wnioskuję o wyróżnienie tej rozprawy. 5