Národní úložiště šedé literatury Nalezeno 3 záznamů.  Hledání trvalo 0.00 vteřin. 
Stochastic Differential Equations with Gaussian Noise
Janák, Josef ; Maslowski, Bohdan (vedoucí práce)
Název práce: Stochastické diferenciální rovnice s Gaussovským šumem Autor: Josef Janák Katedra: Katedra pravděpodobnosti a matematické statistiky Vedoucí disertační práce: Prof. RNDr. Bohdan Maslowski, DrSc., Katedra pravděpodobnosti a matematické statistiky Abstrakt: V práci studujeme stochastické parciální diferenciální rovnice druhého řádu se dvěma neznámými parametry. Nalezneme tvar silně spojité semigrupy (S(t), t ≥ 0) pro hyperbolický systém řízený Brownovým pohybem a také tvar kovarian- čního operátoru invariantní míry Q (a,b) ∞ . Na základě ergodických vět odvodíme dvě vhodné skupiny odhadů ve smyslu minimálního kontrastu a dokážeme jejich silnou konzistenci i asymptotickou normalitu. Dále se zabýváme odhady založenými na "po- zorovacím okně", což vede k dalším skupinám silně konzistentních odhadů. Popisu- jeme jejich vlastnosti a speciální případy i jejich asymptotickou normalitu. Výsledky aplikujeme na stochastickou vlnovou rovnici s Brownovým šumem a ilustrujeme je v mnoha počítačových simulacích. Klíčová slova: Stochastická hyperbolická rovnice, Ornstein-Uhlenbeckův proces, invariantní míra, odhady parametrů, silná konzistence, asymptotická normalita.
Stochastic Differential Equations with Gaussian Noise
Janák, Josef ; Maslowski, Bohdan (vedoucí práce)
Název práce: Stochastické diferenciální rovnice s Gaussovským šumem Autor: Josef Janák Katedra: Katedra pravděpodobnosti a matematické statistiky Vedoucí disertační práce: Prof. RNDr. Bohdan Maslowski, DrSc., Katedra pravděpodobnosti a matematické statistiky Abstrakt: V práci studujeme stochastické parciální diferenciální rovnice druhého řádu se dvěma neznámými parametry. Nalezneme tvar silně spojité semigrupy (S(t), t ≥ 0) pro hyperbolický systém řízený Brownovým pohybem a také tvar kovarian- čního operátoru invariantní míry Q (a,b) ∞ . Na základě ergodických vět odvodíme dvě vhodné skupiny odhadů ve smyslu minimálního kontrastu a dokážeme jejich silnou konzistenci i asymptotickou normalitu. Dále se zabýváme odhady založenými na "po- zorovacím okně", což vede k dalším skupinám silně konzistentních odhadů. Popisu- jeme jejich vlastnosti a speciální případy i jejich asymptotickou normalitu. Výsledky aplikujeme na stochastickou vlnovou rovnici s Brownovým šumem a ilustrujeme je v mnoha počítačových simulacích. Klíčová slova: Stochastická hyperbolická rovnice, Ornstein-Uhlenbeckův proces, invariantní míra, odhady parametrů, silná konzistence, asymptotická normalita.
Stochastic Differential Equations with Gaussian Noise
Janák, Josef ; Maslowski, Bohdan (vedoucí práce) ; Duncan, Tyrone E. (oponent) ; Pawlas, Zbyněk (oponent)
Název práce: Stochastické diferenciální rovnice s Gaussovským šumem Autor: Josef Janák Katedra: Katedra pravděpodobnosti a matematické statistiky Vedoucí disertační práce: Prof. RNDr. Bohdan Maslowski, DrSc., Katedra pravděpodobnosti a matematické statistiky Abstrakt: V práci studujeme stochastické parciální diferenciální rovnice druhého řádu se dvěma neznámými parametry. Nalezneme tvar silně spojité semigrupy (S(t), t ≥ 0) pro hyperbolický systém řízený Brownovým pohybem a také tvar kovarian- čního operátoru invariantní míry Q (a,b) ∞ . Na základě ergodických vět odvodíme dvě vhodné skupiny odhadů ve smyslu minimálního kontrastu a dokážeme jejich silnou konzistenci i asymptotickou normalitu. Dále se zabýváme odhady založenými na "po- zorovacím okně", což vede k dalším skupinám silně konzistentních odhadů. Popisu- jeme jejich vlastnosti a speciální případy i jejich asymptotickou normalitu. Výsledky aplikujeme na stochastickou vlnovou rovnici s Brownovým šumem a ilustrujeme je v mnoha počítačových simulacích. Klíčová slova: Stochastická hyperbolická rovnice, Ornstein-Uhlenbeckův proces, invariantní míra, odhady parametrů, silná konzistence, asymptotická normalita.

Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.