Model Pasywnego Trasera w Lokalnie Ergodycznym Środowisku

Podobne dokumenty
Procesy stochastyczne

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.

Procesy stochastyczne

Superdyfuzja. Maria Knorps. Wydział Fizyki Technicznej i Matematyki stosowanej, Politechnika Gdańska

Rynek, opcje i równania SDE

Hypatia? 415 PROCESY KAWAŁKAMI DETERMINISTYCZNE I ICH ASYMPTOTYKA RYSZARD RUDNICKI ŚLADAMI KOBIET W MATEMATYCE RZESZÓW, Strona 1 z 36 Wróć

Granica i ciągłość funkcji. 1 Granica funkcji rzeczywistej jednej zmiennej rzeczywsitej

Prawdopodobieństwo i statystyka

Twierdzenia graniczne fluktuacji procesów przebywania dla układów gałazkowych

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.

1.1 Przegląd wybranych równań i modeli fizycznych. , u x1 x 2

Granica i ciągłość funkcji. 1 Granica funkcji rzeczywistej jednej zmiennej rzeczywistej

Metoda najmniejszych kwadratów

Afiniczne rekursje stochastyczne z macierzami trójkatnymi

Zagadnienia brzegowe dla równań eliptycznych

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

Metody systemowe i decyzyjne w informatyce

REGRESJA LINIOWA Z UOGÓLNIONĄ MACIERZĄ KOWARIANCJI SKŁADNIKA LOSOWEGO. Aleksander Nosarzewski Ekonometria bayesowska, prowadzący: dr Andrzej Torój

Instrukcja 2 Syntetyczna turbulencja

Weryfikacja hipotez statystycznych

Metody Lagrange a i Hamiltona w Mechanice

[ P ] T PODSTAWY I ZASTOSOWANIA INŻYNIERSKIE MES. [ u v u v u v ] T. wykład 4. Element trójkątny płaski stan (naprężenia lub odkształcenia)

Wykład 2. Przykład zastosowania teorii prawdopodobieństwa: procesy stochastyczne (Markova)

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

Prawdopodobieństwo i statystyka

PEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA

Prawdopodobieństwo i statystyka

Testowanie hipotez. Hipoteza prosta zawiera jeden element, np. H 0 : θ = 2, hipoteza złożona zawiera więcej niż jeden element, np. H 0 : θ > 4.

XI Konferencja Metody Ilościowe w Badaniach Ekonomicznych

Bładzenie przypadkowe i lokalizacja

MODELE STOCHASTYCZNE Plan wykładu

19 marzec, Łańcuchy Markowa z czasem dyskretnym. Procesy Stochastyczne, wykład 6, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1136

Analiza wektorowa. Teoria pola.

Prawdopodobieństwo i statystyka

Ważne rozkłady i twierdzenia

Algorytmy MCMC (Markowowskie Monte Carlo) dla skokowych procesów Markowa

Laboratorium komputerowe z wybranych zagadnień mechaniki płynów

Dyskretne procesy stacjonarne o nieskończonej entropii nadwyżkowej

O ŚREDNIEJ ARYTMETYCZNEJ I MEDIANIE

Komputerowa analiza danych doświadczalnych

1 Relacje i odwzorowania

Spacery losowe w R d

Zadania z Rachunku Prawdopodobieństwa III - 1

O pewnych klasach funkcji prawie okresowych (niekoniecznie ograniczonych)

Stosowana Analiza Regresji

Metody Lagrange a i Hamiltona w Mechanice

Jądrowe klasyfikatory liniowe

Zagdanienia do egzaminu z Inżynierskich Metod Numerycznych - semestr 1

Procesy stochastyczne 2.

Zagadnienia stacjonarne

Wstęp do układów statycznych

Wykład 3 Zjawiska transportu Dyfuzja w gazie, przewodnictwo cieplne, lepkość gazu, przewodnictwo elektryczne

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

I. Pochodna i różniczka funkcji jednej zmiennej. 1. Definicja pochodnej funkcji i jej interpretacja fizyczna. Istnienie pochodnej funkcji.

Modelowanie stochastyczne Stochastic Modeling. Poziom przedmiotu: II stopnia. Liczba godzin/tydzień: 2W E, 2C

26 marzec, Łańcuchy Markowa z czasem ciągłym. Procesy Stochastyczne, wykład 7, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1136

Statystyka i eksploracja danych

n=0 (n + r)a n x n+r 1 (n + r)(n + r 1)a n x n+r 2. Wykorzystując te obliczenia otrzymujemy, że lewa strona równania (1) jest równa

Metoda największej wiarygodności

Rozpoznawanie obrazów

2.1 Przykład wstępny Określenie i konstrukcja Model dwupunktowy Model gaussowski... 7

Statystyka matematyczna. Wykład III. Estymacja przedziałowa

O procesie Wienera. O procesie Wienera. Procesy stochastyczne Wykład XV, 15 czerwca 2015 r. Proces Wienera. Ruch Browna. Ułamkowe ruchy Browna

Prognozowalne kryterium całkowalności według A. N. Shiryaeva i A. S. Cherny ego Joanna Karłowska-Pik. Historia

Ważne rozkłady i twierdzenia c.d.

5 Przegląd najważniejszych rozkładów

Stacjonarne procesy gaussowskie, czyli o zwiazkach pomiędzy zwykła

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

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

STATYSTYKA MATEMATYCZNA WYKŁAD października 2009

Modelowanie ryzyka kredytowego: MODEL BLACK-COX A

Elektrodynamika Część 1 Elektrostatyka Ryszard Tanaś Zakład Optyki Nieliniowej, UAM

Elektrodynamika Część 1 Elektrostatyka Ryszard Tanaś Zakład Optyki Nieliniowej, UAM

J. Szantyr Wykład 4 Podstawy teorii przepływów turbulentnych Zjawisko występowania dwóch różnych rodzajów przepływów, czyli laminarnego i

1. Pojęcie normy, normy wektora [Kiełbasiński, Schwetlick]

Geometryczna zbieżność algorytmu Gibbsa

Statystyka i eksploracja danych

Metody systemowe i decyzyjne w informatyce

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

Numeryczne aproksymacje prawdopodobieństwa ruiny

Metoda największej wiarogodności

Metody systemowe i decyzyjne w informatyce

Wykorzystanie symetrii przy pomiarze rozkładu kąta rozproszenia w procesie pp pp

Szkice do zajęć z Przedmiotu Wyrównawczego

SIMR 2017/18, Statystyka, Przykładowe zadania do kolokwium - Rozwiązania

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

Modele zapisane w przestrzeni stanów

Tematy prac magisterskich i doktorskich

TERMODYNAMIKA I FIZYKA STATYSTYCZNA

Porównanie modeli regresji. klasycznymi modelami regresji liniowej i logistycznej

Laboratorium komputerowe z wybranych zagadnień mechaniki płynów

Modelowanie zależności. Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski

Rozważmy nieustalony, adiabatyczny, jednowymiarowy ruch gazu nielepkiego i nieprzewodzącego ciepła. Mamy następujące równania rządzące tym ruchem:

17.1 Podstawy metod symulacji komputerowych dla klasycznych układów wielu cząstek

. Cel ćwiczenia Celem ćwiczenia jest porównanie na drodze obserwacji wizualnej przepływu laminarnego i turbulentnego, oraz wyznaczenie krytycznej licz

Maszyny wektorów podpierajacych w regresji rangowej

Elektrodynamika Część 6 Elektrodynamika Ryszard Tanaś Zakład Optyki Nieliniowej, UAM

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn

}, gdzie a = t (n) )(f(t(n) k. ) f(t(n) k 1 ) 1+δ = 0,

Ogólnopolska Konferencja Naukowa Zagadnienia Aktuarialne - Teoria i praktyka Warszawa, 9 11 czerwca 2008

Transkrypt:

w Lokalnie Ergodycznym Środowisku Tymoteusz Chojecki UMCS, Lublin Tomasz Komorowski IMPAN, Warszawa Kościelisko, 10 września 2016, XLV Konferencja Zastosowań Matematyki T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

Zawartość Konstrukcja Pola Lokalnie Ergodycznego Główny Wynik Uwagi o dowodzie T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

Zawartość Konstrukcja Pola Lokalnie Ergodycznego Główny Wynik Uwagi o dowodzie T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

Zawartość Konstrukcja Pola Lokalnie Ergodycznego Główny Wynik Uwagi o dowodzie T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

Zawartość Konstrukcja Pola Lokalnie Ergodycznego Główny Wynik Uwagi o dowodzie T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

Zawartość Konstrukcja Pola Lokalnie Ergodycznego Główny Wynik Uwagi o dowodzie T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

Transport w skomplikowanym ośrodku. Turbulentna dyfuzja Turbulentny przepływ - transport masy, ciepła lub pędu w płynie w warunkach w pełni rozwiniętej turbulencji. liczba Reynoldsa Re = UL ν. T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

założenie stacjonarności i ergodyczności - własności statystyczne nie zależą od przesunięć w czasie i przestrzeni Twierdzenie ergodyczne - w badaniu asymptotyki konieczne jest uśrednianie. Badamy pola lokalnie ergodyczne. T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

[Taylor 20] Traser X (t) Pole losowe V (t, x) dx (t) dt X (0) = 0. = V (t, X (t)), Interpretacja fizyczna T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

Skalowanie dyfuzyjne Obserwacje zewnętrzne Dynamika procesu Skalowanie dyfuzyjne X ε (t) := εx (t/ε 2 ) dx ε (t) dt X ε (0) = 0. = 1 ( t ε V ε 2, X ε ) (t) ε T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

Klasyczne pytania Podstawowe pytania PWL - Istnienie granicy v := lim t + X (t)/t p.p, (dryf Stokes a). CTG X (t) v t t N(0, κ), t +? Macierz kowariancji κ = [κ i,j ], i, j = 1,... d jest nazywana turbulentną dyfuzyjnością. T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

Klasyczne pytania Podstawowe pytania PWL - Istnienie granicy v := lim t + X (t)/t p.p, (dryf Stokes a). CTG X (t) v t t N(0, κ), t +? Macierz kowariancji κ = [κ i,j ], i, j = 1,... d jest nazywana turbulentną dyfuzyjnością. T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

Zastosowanie w teorii homogenizacji Równanie Transportu. 1 ( t ε V ε 2, x ) x Φ ε (t, x) + t Φ ε (t, x) = 0, ε Φ ε (0, x) = Φ 0 (x). Φ 0, Φ ε (t, x) - pasywny skalar Badamy ε 0 Metoda charakterystyk, symetria rozkładu V (t, x) = lim EΦ ε(t, x) = lim EΦ 0 (Xx ε (t)), ε 0 ε 0 T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

Pola Lokalnie Ergodyczne Pole Nieściśliwe Gaussowskie Markowowskie Lokalnie Ergodyczne [Rodes 09, Olla,Siri 04]. dx ε (t) = 1 ( t dt ε W ε 2, X ε ) (t), X ε (t), ε X ε (0) = 0. (1) parametr lokalnej stacjonarności Pole W (t, x, εy) stacjonarne i ergodyczne dla ustalonego y. ε 1. T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

Konstrukcja Pola Lokalnie Ergodycznego N N liczba modów, d-wymiar. W l (t, x, εy) := N j=1 gdzie procesy quasi-periodyczne po x ā (l) j (t; x, εy), l = 1,..., d, (t, x, y) R R 2d, ā j (t, x; y) := a j (t; y) cos(k j x) + b j (t; y) sin(k j x), j = 1,..., N, Stacjonarne procesy Ornsteina-Uhlenbecka a j (t; y), b j (t; y) T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

Procesy Ornsteina-Uhlenbecka Stacjonarne, d-wymiarowe [Komorowski, Fannjiang 99, Carmona, Xu 96] da j (t; y) = α j (y)a j (t; y)dt + 2α j (y)σ j (y)dw j,a (t), db j (t; y) = α j (y)b j (t; y)dt + 2α j (y)σ j (y)dw j,b (t), Miara niezmiennicza ν,y (da, db). w j,a (t), w j,b (t), t 0 - niezależne, standardowe d-wymiarowe ruchy Browna. funkcje α j (y), σ j (y), y R d. Przerwa Spektralna dla 1 j N, y R d 0 < α < min(α j (y), σ j (y)) < max(α j (y), σ j (y)) < σ. T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

Miara niezmiennicza ν,y (da, db) = Γ (a, b; y)dadb, gdzie N Γ (a, b; y) = Zy 1 exp a 2 j 2σ 2 j=1 j N exp b 2 j 2σ 2 j=1 j, gdzie Z y = (2π) Nd N j=1 σ 2 j. T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

Główny Wynik Twierdzenie Proces X ε (t) X (t), gdy ε 0 słabo w C[0, ; R d ], gdzie X (t) dyfuzją, której generator wyraża się wzorem d { Lf (x) = yq f (x) w(a, b) y χ q (a, b, x) q=1 R 2S + { dαi (x) ( Θ i (a, b, x), Θ i (a, b, x) ) } ] } (a j, b j ) ν,x(da, db) dx n + 1 2 n,j Z d q=1 R 2S 2 y q f (x) j Z + ( b,j χ q (a, b, x)) 2 ]} ν,x (da, db). { 2α i (x) (σ j (x)) 2 [ ( a,j χ q (a, b, x)) 2 T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

Korektory czynnik 1/ε równania (1). Korektory - równanie Poissona L y χ q (a, b; y) = w q (a, b), q = 1,..., d. Wyrazy zawierające pochodne po y procesów a j (t; y), b j (t; y). T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

Opis dowodu Ciasność Problem Martyngałowy Stroocka-Varadhana. Twierdzenie Ergodyczne T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

Twierdzenie Ergodyczne Oznaczmy F (y) := F (a, b; y)ν,y (da, db). Pole Losowe F (t, x, y) := F (a(t; y), b(t; y); y), t 0, x, y R d. (2) Twierdzenie Ergodyczne Dla pola F zdefiniowanego w (2) i funkcji F spełniającej pewne dodatkowe założenia o tempie wzrostu, oraz dla dowolnego T > 0 zachodzi lim E ε 0 + T 0 ( t F ε 2, X ε ) (t) T, X ε (t) dt ε 0 F (X ε (t))dt = 0. T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

Bibliografia Carmona, R., Xu, L., Homogenization For Time Dependent 2-d Incompressible Gaussian Flows. Preprint (1996). Fannjiang, A., Komorowski, T., Turbulent Diffusion in Markovian Flows, Ann. of Appl. Prob. 9, 591-610, (1999). Monin, A. S., Yaglom A. M., Statistical Fluid Mechanics of Turbulence, Vols I,II, MIT Press Cambridge,(1971), (1975). Olla, S., Siri, P., Homogenization of a bond diffusion in a locally ergodic random environment, Stochastic Processes and their Applications 109, pp. 317-326, 2004. Rhodes, R., Diffusion in a locally stationary random environment, Probab. Theory Related Fields 143 (2009), no. 3-4, 545568. T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

Dziękuję za uwagę :) T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku