weixin_40614311的博客

原创 随机模拟专题：第二课

原创 随机模拟专题：第一课

原创 基于 Metropolis 的朗之万算法

根据 Besag (1994) 的建议，我们构造了基于 Metropolis 的朗之万算法 (MALA)。

原创 3. Matérn协方差模型与随机偏微分方程

对应的高斯马尔可夫随机场 （GMRF）可以通过使用某种随机偏微分方程（SPDE）明确构造，当由高斯白噪声驱动时，随机偏微分方程的解是具有 Matérn 协方差函数的高斯场（GF）

原创 2. 高斯场和高斯马尔可夫随机场

高斯场协方差矩阵计算问题一直是一个瓶颈，有一种方法是用高斯马尔可夫随机场替换高斯场来逼近协方差函数，以此来简化计算上的复杂度。

原创 1. 高斯过程的定义

高斯过程

原创 2. Encoder-Decoder for Simulations

ED for Simulations

原创 1. 基于循环神经网络的反事实预测-正弦波数据

Sine Data Simulations

原创 3. train_encoder_decoder.py

【代码】train_encoder_decoder.py。

原创 1.1. 大数定律-独立性

主要介绍概率极限理论中的大数定律

原创 5.3. 平稳序列-次可加遍历定理

次加性遍历定理

原创 5.2.平稳序列-Birkhoff遍历定理

独立同分布序列是平稳序列, 并且在位移变换φ\varphiφ下遍历, 该序列满足强大数定律

原创 5.1.平稳序列-平稳序列和遍历的定义

关于平稳序列的重要定理是遍历定理(强大数定律推广到平稳序列)

原创 4.1. 马氏过程及其构造

马氏过程及其构造

原创 4.3. 马氏过程-马氏过程与算子半群

给定一个无穷小生成元, 可以确定一个算子半群, 从而确定马氏过程的转移概率.

原创 3.8. 马氏链-一般状态空间的马氏链(Harris链)

将把从可数状态空间的结果推广到具有不可数状态空间的马尔可夫链的集合中, 称为Harris链

原创 3.7. 马氏链-周期马氏链的极限分布和循环分解

周期马氏链的极限分布和循环分解

原创 3.6. 马氏链-极限分布与周期性

本节的第一个主题是研究第n次的转移概率pn(x,y)渐近性.

原创 3.5. 马氏链-平稳测度(2)

本节首先介绍平稳测度的定义及其示例, 然后给出可逆测度的定义, 并且说明可逆测度是平稳测度, 初始分布可逆的马氏链, 其对偶马氏链的转移概率和本身的转移概率相同(这也是可逆测度被称为可逆的原因).

原创 3.5. 马氏链-平稳测度(1)

本节首先介绍平稳测度的定义及其示例, 然后给出可逆测度的定义, 并且说明可逆测度是平稳测度,

原创 3.4.马氏链-随机游走的常返性

随机游走常返性

原创 3.3. 马氏链-常返和非常返

常返和非常返的判定

原创 3.2. 马氏链-马氏链的构造及马氏性(2)

本节首先构造马氏链, 即构造活动概率空间: 在序列空间中构造$P_x,P_\mu$, 使得在这个概率空间的点为马氏链; 基于该活动概率空间讨论马氏性和强马氏性.

原创 3.2. 马氏链-马氏链的构造及马氏性(1)

本节首先构造马氏链, 即构造活动概率空间: 在序列空间中构造$P_x,P_\mu$, 使得在这个概率空间的点为马氏链; 基于该活动概率空间讨论马氏性和强马氏性.

原创 3.1. 马氏链-马氏链的定义和示例

对于可数状态空间的马氏链,马氏性指的是给定当前状态, 其他过去的状态与未来的预测无关.

原创 2.5. 连续时间鞅-半鞅

半鞅

原创 2.4. 连续时间鞅-局部鞅

局部鞅

原创 2.3. 连续时间鞅-平方可积的连续鞅

平方可积的连续鞅

原创 2.2. 连续时间鞅-左闭右开区间上的鞅

有无穷项的离散时间鞅, 对应着连续时间时左闭右开区间上的鞅.

原创 2.1. 连续时间鞅-闭区间上的鞅

离散时间的有限项或虽有无限项但有终端值的鞅的概念, 在连续时间对应着 闭区间上的鞅.

原创 1.9. 离散时间鞅-组合方法分析随机游动（不用鞅方法）

离散时间鞅-组合方法分析随机游动（不用鞅方法）

原创 1.8. 离散时间鞅-无界停时定理与随机游走

无界停时定理与随机游走

原创 1.7. 离散时间鞅-反向鞅

反向鞅 一个反向鞅（有些作者称之为可反转的鞅）是一个负整数指标的鞅

原创 1.6. 离散时间鞅-鞅的L1收敛,反向鞅

本节主要介绍一致可积鞅的$L^1$收敛性质.

原创 1.5. 离散时间鞅-平方可积鞅

平方可积鞅是指初值$X_{0}=0$的鞅$X_{n}$,并且对所有$n$,$E X_{n}^{2}

原创 1.4. 离散时间鞅-鞅的Lp收敛，鞅与停时 (2)

鞅的L^p收敛p > 1,鞅与停时鞅的L^p收敛(p > 1),鞅与停时2. 极大值不等式2.1. Doob不等式-时间有界2.2. LpL^{p}Lp极大值不等式3. 鞅的LpL^pLp收敛定理}鞅的L^p收敛(p > 1),鞅与停时2. 极大值不等式2.1. Doob不等式-时间有界我们知道, 从总趋势上看, 下鞅是上升的, 因此它在某个区间上的极大值在某种意义下应该能由其终端值控制. 同样, 上鞅的极值应该能用其初值控制.定理4.4.2 (Doob不等式-时间有界) 令X

原创 1.4. 离散时间鞅-鞅的Lp收敛，鞅与停时 (1)

利用鞅变换和Doob停止定理证明$(X_N,\mathcal{F}_n)$可选停时定理(可以利用停止$\sigma$代数的性质,进一步得到$X_N,\mathcal{F}_N$可选停时定理),利用$(X_N,\mathcal{F}_n)$可选停时定理,我们可以证明Doob不等式,即下鞅极大值被终端值的期望控制,以此可得$L^{p}$极大值不等式,最后,我们利用$L^{p}$极大值不等式证明鞅的$L^p$收敛($p>1$)性.

原创 1.3. 离散时间鞅-鞅几乎必然收敛的应用

我们将应用鞅收敛定理来推广第二Borel-Cantelli引理,并研究波利亚之瓮、Radon-Nikodym导数和分支过程.这四个主题是相互独立的.

原创 1.2. 离散时间鞅-鞅的几乎必然收敛性

Martingale这个单词在英语里有下面两个意思, 随机过程中的Martingale过程通用中译用的是第二种意思, 但它的含义应该是直接脱胎于第一种意思, 不过更多地是指一种公平设计的赌博机制,因此在早期的台北出版物中, 它被直接翻译成 “平赌”.

原创 1.1. 离散时间鞅-条件期望

条件期望可以认为是在掌握部分信息$\mathcal{F}$下对随机变量$X$的最佳估计, 即对于每一个$A\in \mathcal{F}$,我们知道事件$A$是否发生, $E(X|F)$是在所获得信息下对$X$值的“最佳猜测”(定理4.1.15说明条件期望是与$X$平均二次误差最小的随机变量). 依据这个概念定义条件期望并且给出条件期望的示例(条件期望在不同$\sigma$代数下的具体表示.)