本文印刷
全画面プリント
東京確率論セミナー
過去の記録 ～07/26｜次回の予定｜今後の予定 07/27～
| 開催情報 | 月曜日 16:00～17:30 数理科学研究科棟(駒場) 126号室 |
|---|---|
| 担当者 | 佐々田槙子、中島秀太（明治大学） |
| セミナーURL | https://sites.google.com/view/tokyo-probability-seminar23/2024年度 |
過去の記録
2015年07月27日(月)
16:50-18:20 数理科学研究科棟(駒場) 128号室
鈴木 康平 氏 (京都大学大学院理学研究科)
Convergence of Brownian motions on RCD*(K,N) spaces
鈴木 康平 氏 (京都大学大学院理学研究科)
Convergence of Brownian motions on RCD*(K,N) spaces
[ 講演概要 ]
RCD*(K,N)空間とは, Erbar-Kuwada-Sturmによって導入された測度距離空間のクラスで, 「次元N以下, Ricci曲率K以上」という概念を測度距離空間上に一般化した概念である. RCD*(K,N)空間上では, Cheeger energyから定まるDirichle形式が正則になることが知られており, 対応するMarkov過程は, Brown運動と呼ばれる. 本講演では, RCD*(K,N)空間で直径D以下という条件の下, 「 空間がmeasured Gromov-Hausdorff収束する」ことと,「 Brown運動が収束する」ことが同値であることを示す.
RCD*(K,N)空間とは, Erbar-Kuwada-Sturmによって導入された測度距離空間のクラスで, 「次元N以下, Ricci曲率K以上」という概念を測度距離空間上に一般化した概念である. RCD*(K,N)空間上では, Cheeger energyから定まるDirichle形式が正則になることが知られており, 対応するMarkov過程は, Brown運動と呼ばれる. 本講演では, RCD*(K,N)空間で直径D以下という条件の下, 「 空間がmeasured Gromov-Hausdorff収束する」ことと,「 Brown運動が収束する」ことが同値であることを示す.
2015年07月13日(月)
16:30-18:20 数理科学研究科棟(駒場) 128号室
講演者2名のため，開催時間がいつもと異なります．ご注意ください．
Mykhaylo Shkolnikov 氏 (Mathematics Department, Princeton University) 16:30-17:20
On interacting particle systems in beta random matrix theory
Random field of gradients and elasticity
講演者2名のため，開催時間がいつもと異なります．ご注意ください．
Mykhaylo Shkolnikov 氏 (Mathematics Department, Princeton University) 16:30-17:20
On interacting particle systems in beta random matrix theory
[ 講演概要 ]
I will first introduce multilevel Dyson Brownian motions and review how those extend to the setting of beta random matrix theory. Then, I will describe a connection between multilevel Dyson Brownian motions and interacting particle systems on the real line with local interactions. This is the first connection of this kind for values of beta different from 1 and 2. Based on joint work with Vadim Gorin.
Stefan Adams 氏 (Mathematics Institute, Warwick University) 17:30-18:20I will first introduce multilevel Dyson Brownian motions and review how those extend to the setting of beta random matrix theory. Then, I will describe a connection between multilevel Dyson Brownian motions and interacting particle systems on the real line with local interactions. This is the first connection of this kind for values of beta different from 1 and 2. Based on joint work with Vadim Gorin.
Random field of gradients and elasticity
[ 講演概要 ]
Random fields of gradients are a class of model systems arising in the studies of random interfaces, random geometry, field theory, and elasticity theory. These random objects pose challenging problems for probabilists as even an a priori distribution involves strong correlations, and are likely to be an universal class of models combining probability, analysis and physics in the study of critical phenomena. They emerge in the following three areas, effective models for random interfaces, Gaussian Free Fields (scaling limits), and mathematical models for the Cauchy-Born rule of materials, i.e., a microscopic approach to nonlinear elasticity. The latter class of models requires that interaction energies are non-convex functions of the gradients. Open problems over the last decades include unicity of Gibbs measures, the scaling to GFF and strict convexity of the free energy. We present in the talk first results for the free energy and the scaling limit at low temperatures using Gaussian measures and rigorous renormalisation group techniques yielding an analysis in terms of dynamical systems. The key ingredient is a finite range decomposition for parameter dependent families of Gaussian measures. (partly joint work with S. Mueller & R. Kotecky)
Random fields of gradients are a class of model systems arising in the studies of random interfaces, random geometry, field theory, and elasticity theory. These random objects pose challenging problems for probabilists as even an a priori distribution involves strong correlations, and are likely to be an universal class of models combining probability, analysis and physics in the study of critical phenomena. They emerge in the following three areas, effective models for random interfaces, Gaussian Free Fields (scaling limits), and mathematical models for the Cauchy-Born rule of materials, i.e., a microscopic approach to nonlinear elasticity. The latter class of models requires that interaction energies are non-convex functions of the gradients. Open problems over the last decades include unicity of Gibbs measures, the scaling to GFF and strict convexity of the free energy. We present in the talk first results for the free energy and the scaling limit at low temperatures using Gaussian measures and rigorous renormalisation group techniques yielding an analysis in terms of dynamical systems. The key ingredient is a finite range decomposition for parameter dependent families of Gaussian measures. (partly joint work with S. Mueller & R. Kotecky)
2015年06月29日(月)
16:50-18:20 数理科学研究科棟(駒場) 128号室
西岡 國雄 氏 (中央大学商学部)
保険会社の存続問題２
西岡 國雄 氏 (中央大学商学部)
保険会社の存続問題２
[ 講演概要 ]
正の定速ドリフトに負の compound Poisson 過程(共通分布は F)を
加えた加法過程 { X (t) } が, 負領域へ到達する最小時刻を T_0 とする.
よく知られた保険会社の収支モデル(Lundberg model) では, T_0 が倒産時刻となる.
我々は, F が "デルタ測度の線形結合 =D" であるとき, 同時分布
$$
v (x) ={\mathbf E}_x \big[ e^{- \alpha \, T_0 + i \, \beta \, X(T_0) }\, \big],
\quad x \geq 0, \ \alpha \geq 0, \ \beta \in {\mathbb R}^1.
$$
の具体型を以下の方法で求めた.
(i) $v(0)$ を Feller の補題を利用して計算,
(ii) $v(x)$ が満たす積分微分方程式を用意し, $v(0)$ から $v(x)$ を導出.
従来は F が指数分布以外では, $v(x)$ の具体型は知られていなかったが,
D は確率測度空間の中の dense subset なので, これにより,
任意の F にたいし近似解が構成でき, 精密な近似定理を得ることが出来た.
更に, F が ``\,実数を径数とするガンマ分布\,''
や ``\,truncated exponential distribution\,'' の場合にも, 新たに
厳密解 $v(x)$ を得ることが出来る.
正の定速ドリフトに負の compound Poisson 過程(共通分布は F)を
加えた加法過程 { X (t) } が, 負領域へ到達する最小時刻を T_0 とする.
よく知られた保険会社の収支モデル(Lundberg model) では, T_0 が倒産時刻となる.
我々は, F が "デルタ測度の線形結合 =D" であるとき, 同時分布
$$
v (x) ={\mathbf E}_x \big[ e^{- \alpha \, T_0 + i \, \beta \, X(T_0) }\, \big],
\quad x \geq 0, \ \alpha \geq 0, \ \beta \in {\mathbb R}^1.
$$
の具体型を以下の方法で求めた.
(i) $v(0)$ を Feller の補題を利用して計算,
(ii) $v(x)$ が満たす積分微分方程式を用意し, $v(0)$ から $v(x)$ を導出.
従来は F が指数分布以外では, $v(x)$ の具体型は知られていなかったが,
D は確率測度空間の中の dense subset なので, これにより,
任意の F にたいし近似解が構成でき, 精密な近似定理を得ることが出来た.
更に, F が ``\,実数を径数とするガンマ分布\,''
や ``\,truncated exponential distribution\,'' の場合にも, 新たに
厳密解 $v(x)$ を得ることが出来る.
2015年06月22日(月)
16:50-18:20 数理科学研究科棟(駒場) 128号室
中村 ちから 氏 (京都大学数理解析研究所)
Lamplighter random walks on fractals
中村 ちから 氏 (京都大学数理解析研究所)
Lamplighter random walks on fractals
2015年06月15日(月)
16:50-18:20 数理科学研究科棟(駒場) 128号室
高橋 弘 氏 (日本大学理工学部)
ランダム媒質中の多次元拡散家庭の再帰性・非再帰性について
(田村要造氏，楠岡誠一郎氏との共同研究)
高橋 弘 氏 (日本大学理工学部)
ランダム媒質中の多次元拡散家庭の再帰性・非再帰性について
(田村要造氏，楠岡誠一郎氏との共同研究)
2015年06月08日(月)
16:50-18:20 数理科学研究科棟(駒場) 128号室
横山 聡 氏 (東京大学大学院数理科学研究科)
On a stochastic Rayleigh-Plesset equation and a certain stochastic Navier-Stokes equation
横山 聡 氏 (東京大学大学院数理科学研究科)
On a stochastic Rayleigh-Plesset equation and a certain stochastic Navier-Stokes equation
2015年06月01日(月)
16:50-18:20 数理科学研究科棟(駒場) 128号室
星野 壮登 氏 (東京大学大学院数理科学研究科)
正則性構造理論による特異な確率偏微分方程式の近似について
星野 壮登 氏 (東京大学大学院数理科学研究科)
正則性構造理論による特異な確率偏微分方程式の近似について
[ 講演概要 ]
確率偏微分方程式の解は一般に超関数として定義されるが、非線形項をもつときは不適切である場合がある。近年Hairerによって、そのような方程式に対する一般的な近似理論が導入された。本講演ではその一つとしてＫＰＺ方程式を取り扱い、Hairerによる結果とその拡張について説明する。
確率偏微分方程式の解は一般に超関数として定義されるが、非線形項をもつときは不適切である場合がある。近年Hairerによって、そのような方程式に対する一般的な近似理論が導入された。本講演ではその一つとしてＫＰＺ方程式を取り扱い、Hairerによる結果とその拡張について説明する。
2015年05月25日(月)
16:50-18:20 数理科学研究科棟(駒場) 128号室
北別府 悠 氏 (京都大学大学院理学研究科)
A finite diameter theorem on RCD spaces
北別府 悠 氏 (京都大学大学院理学研究科)
A finite diameter theorem on RCD spaces
2015年05月18日(月)
16:50-18:20 数理科学研究科棟(駒場) 128号室
徐 路 氏 (東京大学大学院数理科学研究科)
Central limit theorem for stochastic heat equations in random environments
徐 路 氏 (東京大学大学院数理科学研究科)
Central limit theorem for stochastic heat equations in random environments
2015年05月11日(月)
16:50-18:20 数理科学研究科棟(駒場) 128号室
市原 直幸 氏 (青山学院大学理工学部)
Phase transitions for controlled Markov chains on infinite graphs (JAPANESE)
市原 直幸 氏 (青山学院大学理工学部)
Phase transitions for controlled Markov chains on infinite graphs (JAPANESE)
2015年04月20日(月)
16:50-18:20 数理科学研究科棟(駒場) 128号室
服部 哲弥 氏 (慶應大学経済学部)
独立確率過程の大数の強法則について (JAPANESE)
服部 哲弥 氏 (慶應大学経済学部)
独立確率過程の大数の強法則について (JAPANESE)
[ 講演概要 ]
基礎教科書にある独立実確率変数の大数の強法則を独立な実確率過程に拡張する．
マルチンゲール性などの時間軸方向のσ加法族の性質を仮定せずに成り立つ時間一様な
概収束を目指す．例えば，ビルを建て大量の照明器具を設置し，切れる都度交換するとき，
次に切れるまでの時間分布が（技術改良や原材料の法規制などで）交換時刻に依存する
強度に基づくときに，平均交換回数が一様収束の意味で確定値時間発展に概収束するか，
という問題である．この例のような増加過程の場合は教科書にある各時刻での確率変数の
４次モーメント有界条件だけで一様概収束を得る．マルコフ性等の時間軸方向の良い性質を
仮定しないので，例えば上記の例でビルを建てる時刻も変える２変数確率過程としての
一様強法則も気になるが，サンプルの適切なヘルダー連続性を仮定すれば成り立つ．
基礎教科書にある独立実確率変数の大数の強法則を独立な実確率過程に拡張する．
マルチンゲール性などの時間軸方向のσ加法族の性質を仮定せずに成り立つ時間一様な
概収束を目指す．例えば，ビルを建て大量の照明器具を設置し，切れる都度交換するとき，
次に切れるまでの時間分布が（技術改良や原材料の法規制などで）交換時刻に依存する
強度に基づくときに，平均交換回数が一様収束の意味で確定値時間発展に概収束するか，
という問題である．この例のような増加過程の場合は教科書にある各時刻での確率変数の
４次モーメント有界条件だけで一様概収束を得る．マルコフ性等の時間軸方向の良い性質を
仮定しないので，例えば上記の例でビルを建てる時刻も変える２変数確率過程としての
一様強法則も気になるが，サンプルの適切なヘルダー連続性を仮定すれば成り立つ．
2015年04月13日(月)
16:50-17:50 数理科学研究科棟(駒場) 128号室
Hans Rudolf Kuensch 氏 (ETH Zurich)
Modern Monte Carlo methods -- Some examples and open questions (ENGLISH)
Hans Rudolf Kuensch 氏 (ETH Zurich)
Modern Monte Carlo methods -- Some examples and open questions (ENGLISH)
[ 講演概要 ]
Probability and statistics once had strong relations, but in recent years the two fields have moved into opposite directions. Despite this, I believe that both fields would profit if they continued to interact. Monte Carlo methods are one topic that is of interest to both probability and statistics: Statisticians use advanced Monte Carlo methods, and analyzing these methods is a challenge for probabilists. I will illustrate this, using as examples rare event estimation by sample splitting, approximate Bayesian computation and Monte Carlo filters.
Probability and statistics once had strong relations, but in recent years the two fields have moved into opposite directions. Despite this, I believe that both fields would profit if they continued to interact. Monte Carlo methods are one topic that is of interest to both probability and statistics: Statisticians use advanced Monte Carlo methods, and analyzing these methods is a challenge for probabilists. I will illustrate this, using as examples rare event estimation by sample splitting, approximate Bayesian computation and Monte Carlo filters.
