Luận án tiến sĩ về tốc độ hội tụ và mật độ nghiệm cho phương trình vi phân ngẫu nhiên

• Tác giả: Nguyễn Văn Tân
• Người hướng dẫn: PGS. Nguyễn Tiến Dũng
• Trường học: Đại học Quốc gia Hà Nội
• Chuyên ngành: Lý thuyết Xác suất và Thống kê toán học
• Đề tài: Nghiên cứu tốc độ hội tụ và mật độ nghiệm trong phương trình vi phân ngẫu nhiên
• Loại tài liệu: luận án tiến sĩ
• Năm xuất bản: 2023
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: GIẢI TÍCH MALLIAVIN
• 1.1. Khai triển Wiener-Itô
• 1.1.1. Tích phân Itô lặp
• 1.1.2. Khai triển Wiener-Itô
• 1.2. Tích phân Skorohod
• 1.2.1. Tích phân Skorohod
• 1.2.2. Một vài tính chất cơ bản của tích phân Skorohod
• 1.2.3. Tích phân Skorohod là một mở rộng của tích phân Itô
• 1.3. Đạo hàm Malliavin
• 1.3.1. Đạo hàm Malliavin và tính chất
• 1.3.2. Mối liên hệ giữa đạo hàm Malliavin và tích phân Skorohod
• 1.3.3. Đạo hàm Malliavin và mật độ
• 2. CHƯƠNG 2: ƯỚC LƯỢNG TỐC ĐỘ HỘI TỤ CHO XẤP XỈ SMOLUCHOWSKI-KRAMERS VÀ NGHIỆM CỦA PHƯƠNG TRÌNH VI PHÂN NGẪU NHIÊN CÓ TRỄ
• 2.1. Ước lượng Berry-Esseen cho tốc độ hội tụ của khoảng cách Kolmogorov
• 2.2. Khảo sát sự hội tụ yếu liên quan đến tham số thời gian trễ của các nghiệm
• PHỤ LỤC

Tóm tắt

I. Giới thiệu về nghiên cứu

Nghiên cứu này tập trung vào tốc độ hội tụ và mật độ nghiệm trong các phương trình vi phân ngẫu nhiên. Các phương trình này có ứng dụng rộng rãi trong nhiều lĩnh vực như tài chính, vật lý và kỹ thuật. Việc hiểu rõ về tốc độ hội tụ của nghiệm giúp cải thiện độ chính xác trong các mô hình toán học. Đặc biệt, nghiên cứu sử dụng các kỹ thuật từ giải tích Malliavin để phân tích và đưa ra các ước lượng cho mật độ nghiệm. Các kết quả đạt được không chỉ có giá trị lý thuyết mà còn có ứng dụng thực tiễn trong việc giải quyết các bài toán cụ thể trong khoa học dữ liệu và khoa học tính toán.

1.1. Tầm quan trọng của nghiên cứu

Nghiên cứu về tốc độ hội tụ và mật độ nghiệm trong phương trình vi phân ngẫu nhiên có ý nghĩa quan trọng trong việc phát triển các mô hình toán học chính xác hơn. Các phương trình này thường gặp trong các mô hình mô phỏng ngẫu nhiên, nơi mà sự không chắc chắn và biến động là điều không thể tránh khỏi. Việc xác định mật độ nghiệm cho phép các nhà nghiên cứu và kỹ sư có thể dự đoán hành vi của hệ thống trong các điều kiện khác nhau. Hơn nữa, các kết quả từ nghiên cứu này có thể được áp dụng trong các lĩnh vực như khoa học dữ liệu, nơi mà việc phân tích và dự đoán là rất cần thiết.

II. Phương pháp nghiên cứu

Nghiên cứu sử dụng các phương pháp từ giải tích Malliavin để phân tích tốc độ hội tụ và mật độ nghiệm. Phương pháp này cho phép tính toán các đạo hàm của các biến ngẫu nhiên, từ đó đưa ra các ước lượng cho mật độ nghiệm. Các kỹ thuật như tích phân Skorohod và đạo hàm Malliavin được áp dụng để chứng minh tính trơn của mật độ nghiệm. Các kết quả đạt được từ nghiên cứu này không chỉ có giá trị lý thuyết mà còn có thể được áp dụng trong thực tiễn, đặc biệt là trong các mô hình mô phỏng ngẫu nhiên.

2.1. Kỹ thuật giải tích Malliavin

Giải tích Malliavin là một công cụ mạnh mẽ trong lý thuyết xác suất, cho phép nghiên cứu các tính chất của các biến ngẫu nhiên. Kỹ thuật này giúp xác định tính chất hội tụ của nghiệm trong các phương trình vi phân ngẫu nhiên. Bằng cách sử dụng các đạo hàm Malliavin, nghiên cứu có thể đưa ra các ước lượng cho mật độ nghiệm và chứng minh tính trơn của nó. Điều này có ý nghĩa quan trọng trong việc phát triển các mô hình toán học chính xác hơn, từ đó cải thiện khả năng dự đoán trong các ứng dụng thực tiễn.

III. Kết quả nghiên cứu

Nghiên cứu đã đạt được một số kết quả quan trọng liên quan đến tốc độ hội tụ và mật độ nghiệm trong các phương trình vi phân ngẫu nhiên. Cụ thể, nghiên cứu đã đưa ra một ước lượng Berry-Esseen cho tốc độ hội tụ theo khoảng cách Kolmogorov. Kết quả này cho thấy rằng mật độ nghiệm có thể được ước lượng một cách chính xác, từ đó giúp cải thiện độ chính xác của các mô hình toán học. Ngoài ra, nghiên cứu cũng chỉ ra rằng các nghiệm của phương trình có trễ có thể hội tụ yếu, mở ra hướng nghiên cứu mới trong lĩnh vực này.

3.1. Ứng dụng thực tiễn

Các kết quả từ nghiên cứu này có thể được áp dụng trong nhiều lĩnh vực khác nhau, từ tài chính đến kỹ thuật. Việc hiểu rõ về tốc độ hội tụ và mật độ nghiệm giúp các nhà nghiên cứu và kỹ sư có thể phát triển các mô hình chính xác hơn, từ đó cải thiện khả năng dự đoán và ra quyết định. Hơn nữa, nghiên cứu cũng mở ra hướng đi mới cho các nghiên cứu tiếp theo trong lĩnh vực khoa học dữ liệu và khoa học tính toán, nơi mà việc phân tích và dự đoán là rất cần thiết.