数学 > 概率
[提交于 2025年5月1日
]
标题: 噪声局部耦合技术及其在SDEs(随机微分方程)不规则系数强逼近的误差下界中的应用
标题: The local coupling of noise technique and its application to lower error bounds for strong approximation of SDEs with irregular coefficients
摘要: 近年来,人们对带有非Lipschitz连续系数的随机微分方程(SDE)的逼近方法越来越感兴趣。 我们展示了在这种情况下,单个时间点或全局时间上的这些方法的$L^p$-误差的下界。 一方面,我们证明了对于一大类分段Lipschitz连续漂移和非加性扩散,基于有限次驱动布朗运动评估的任何方法所能达到的最终时间逼近的最佳可能$L^p$-误差率至多为$3/4$,这一结果之前仅对加性扩散已知。 此外,我们还表明,当漂移局部有界且扩散局部Lipschitz连续时,基于有限次驱动布朗运动评估的任何方法所能达到的全局逼近的最佳$L^p$-误差率至多为$1/2$。 为了推导出这些下界,我们引入了一种新的证明方法:局部耦合噪声技术。 利用这一技术在最终时间逼近随机微分方程 (SDE) 的解$X$时,可以通过相同 SDE 在$[t_{i-1}, t_i]$上具有初始值$X_{t_{i-1}}$和耦合于$t_{i-1}, t_i$并在$t_{i-1}, t_i$处条件独立的驱动布朗运动的解之间的$L^p$-距离,确定基于在点$t_1 < \dots < t_n$评估驱动布朗运动的任何逼近方法的$L^p$-误差下界。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.