Size-Location Correlation for Set-Valued Processes: Theory, Estimation, and Laws of Large Numbers under ρ\rho-Mixing

Cet article propose un cadre variationnel fondé sur la décomposition paire-impair des fonctions de support pour analyser la corrélation entre la taille et la localisation des processus à valeurs ensemblistes, permettant d'établir des lois des grands nombres sous mélange ρ\rho et de définir des indices de dépendance géométriquement interprétables et invariants par translation.

Tuyen Luc TriTue, 10 Ma🔢 math

Finite element approximations of the stochastic Benjamin-Bona-Mahony equation with multiplicative noise

Cet article présente l'analyse numérique d'une approximation par éléments finis entièrement discrète de l'équation stochastique de Benjamin-Bona-Mahony avec bruit multiplicatif, en établissant l'existence et l'unicité des solutions, en démontrant des estimations d'erreur fortes optimales ou sous-optimales selon les hypothèses de bornitude du bruit, et en validant ces résultats théoriques par des expériences numériques.

Hung D. Nguyen, Thoa Thieu, Liet VoTue, 10 Ma🔢 math

Bayesian inference of planted matchings: Local posterior approximation and infinite-volume limit

Cet article établit que l'inférence bayésienne d'un couplage planté entre deux ensembles de points corrélés en dimension un admet une approximation locale et une limite infinie bien définie pour le couplage partiel grâce à la décroissance des corrélations, tandis que le cas du couplage exact nécessite un tri global et une indexation spécifique basée sur un flot pour définir sa limite asymptotique.

Zhou Fan, Timothy L. H. Wee, Kaylee Y. YangTue, 10 Ma🔢 math

2d Sinh-Gordon model on the infinite cylinder

En s'appuyant sur l'analyse spectrale d'un opérateur quantique associé au champ libre gaussien massif et sur la théorie du chaos multiplicatif gaussien, cet article propose une construction probabiliste rigoureuse du modèle de Sinh-Gordon sans masse sur un cylindre infini, définissant ses fonctions de corrélation et démontrant leur relation d'échelle par rapport au rayon du cylindre.

Colin Guillarmou, Trishen S. Gunaratnam, Vincent VargasThu, 12 Ma🔢 math-ph

Solution space characterisation of perturbed linear discrete and continuous stochastic Volterra convolution equations: the p\ell^p and LpL^p cases

Cet article caractérise les conditions nécessaires et suffisantes pour que les solutions d'équations de Volterra stochastiques linéaires perturbées, discrètes et continues, soient respectivement pp-sommaires et pp-intégrables presque sûrement, révélant une différence fondamentale selon laquelle l'intégrabilité des perturbations est requise dans le cas discret mais pas nécessairement dans le cas continu, tout en analysant le comportement asymptotique et la convergence vers zéro.

John A. D. Appleby, Emmet LawlessThu, 12 Ma🔢 math

Some properties of the principal Dirichlet eigenfunction in Lipschitz domains, via probabilistic couplings

Cet article établit des estimations de régularité uniformes pour les vecteurs propres principaux des problèmes de Dirichlet spectral discret et continu dans des domaines lipschitziens, en utilisant une preuve probabiliste fondée sur une représentation de Feynman-Kac, des estimations de ruine du joueur et une nouvelle technique de couplage « multi-miroir ».

Quentin Berger, Nicolas BouchotThu, 12 Ma🔢 math

The largest fragment in self-similar fragmentation processes of positive index

Cet article établit la convergence presque sûre de la taille du plus grand fragment dans un processus de fragmentation auto-similaire d'indice positif vers une fonction explicite, améliorant ainsi considérablement le résultat antérieur de Bertoin pour les mesures de dislocation vérifiant une condition de régularité spécifique.

Piotr Dyszewski, Samuel G. G. Johnston, Sandra Palau, Joscha ProchnoThu, 12 Ma🔢 math

Global well-posedness for small data in a 3D temperature-velocity model with Dirichlet boundary noise

Cet article établit l'existence et l'unicité d'une solution forte globale avec haute probabilité pour un système couplé de type Boussinesq en trois dimensions soumis à un bruit de Dirichlet à la frontière, en démontrant que pour des données initiales suffisamment petites, la solution reste définie jusqu'à un temps arbitraire TT avec une probabilité d'au moins $1 - C\varepsilon$.

Gianmarco Del Sarto, Marta LenziThu, 12 Ma🔢 math

Additive subordination of multiparameter Markov processes

Cet article étend le théorème de Phillips pour caractériser les processus de Markov multiparamètres multidimensionnels soumis à une subordination additive, en établissant leur nature de Feller, leur générateur et leur représentation pseudo-différentielle, tout en fournissant des expressions explicites pour le cas des processus d'Ornstein-Uhlenbeck appliqués à la finance.

Giuseppe D'Onofrio, Alessandro Mutti, Patrizia SemeraroThu, 12 Ma🔢 math

The discrete periodic Pitman transform: invariances, braid relations, and Burke properties

Cet article développe la théorie de la transformée de Pitman périodique discrète en démontrant qu'elle satisfait des relations de tresses, préserve les fonctions de partition des polymères en environnement périodique, et établit une propriété d'invariance multi-chemins pour le polymère inverse-gamma périodique grâce à une nouvelle propriété de Burke inhomogène.

Eva R. Engel, Benjamin Jasper Kra-Caskey, Oleksandr Lazorenko, Caio Hermano Maia de Oliveira, Evan Sorensen, Ivan Wong, Ryan Xu, Xinyi ZhangThu, 12 Ma🔢 math

Parameter-related strong convergence rates of Euler-type methods for time-changed stochastic differential equations

Cet article propose une méthode d'Euler à pas équidistants pour une classe d'équations différentielles stochastiques changées de temps et démontre que, contrairement aux approches à pas aléatoires qui conservent un ordre de convergence classique de 1/2, les schémas numériques standard et tronqués atteignent un ordre de convergence fort proche de α/2\alpha/2, où α(0,1)\alpha \in (0,1) est le paramètre du changement de temps.

Ruchun ZuoThu, 12 Ma🔢 math

Sampling via Stochastic Interpolants by Langevin-based Velocity and Initialization Estimation in Flow ODEs

Cet article propose une méthode novatrice d'échantillonnage à partir de densités de Boltzmann non normalisées en utilisant des équations différentielles ordinaires de flux dérivées d'interpolants stochastiques linéaires, où des échantillonneurs de Langevin sont employés pour générer des échantillons intermédiaires et estimer le champ de vitesse, garantissant ainsi une convergence théorique et démontrant une efficacité pratique sur des distributions multimodales complexes et des tâches d'inférence bayésienne.

Chenguang Duan, Yuling Jiao, Gabriele Steidl, Christian Wald, Jerry Zhijian Yang, Ruizhe ZhangThu, 12 Ma📊 stat