Acquisire una solida preparazione di base negli aspetti principali della teoria dei processi stocastici con particolare riguardo ai processi di Markov e alle loro applicazioni (metodo Monte Carlo e simulated annealing), della teoria delle passeggiate aleatorie e dei modelli più semplici di sistemi di particelle interagenti.
Curriculum
scheda docente
materiale didattico
Successioni di variabili aleatorie. Passeggiate aleatorie. Catene di Markov a tempo discreto e tempo continuo. Misura invariante, time-reversal e reversibilita'
2. Esempi e modelli classici.
Passeggiate aleatorie su grafi. Processi di nascita e morte. Processi di esclusione. Metodo Monte Carlo: algoritmi di tipo Metropolis e dinamiche di Glauber per il modello di Ising, colorazioni di un grafo e altri sistemi interagenti.
3. Convergenza all'equilibrio I. Distanza in variazione, tempi di mixing. Teoremi ergodici. Tecniche di accoppiamento. Tempi stazionari forti. Applicazioni al problema del “coupon collector” e al mescolamento di un mazzo di carte.
4. Convergenza all'equilibrio II. Gap spettrale e stime dei tempi di rilassamento. Disuguaglianza di Cheeger, conduttanza e metodo dei cammini. Metodo della “comparazione”. Gap spettrale per il processo di esclusione sul toro d-dimensionale. Convergenza all'equilibrio in termini di entropia e disuguaglianze di Sobolev logaritmiche. Esempi.
5. Altri argomenti scelti. Dinamica di Glauber per il modello di Ising: transizione di fase dinamica per il modello di campo medio e per il modello su reticolo. Il fenomeno del “cut- off”. Disuguaglianze di Sobolev logaritmiche e convergenza all'equilibrio. Algoritmi per la “simulazione perfetta”.
Testo principale: D. Levine, Y. Peres, E. Wilmer, Markov chains and mixing times.. AMS bookstore, (2009).
testo aggiuntivo: Luca Leuzzi, Enzo Marinari, Giorgio Parisi
CALCOLO DELLE PROBABILITÀ: un trattatello per principianti volenterosi
Mutuazione: 20410441 CP420-INTRODUZIONE AI PROCESSI STOCASTICI in Scienze Computazionali LM-40 MARTINELLI FABIO
Programma
1. Passeggiate aleatorie e Catene di MarkovSuccessioni di variabili aleatorie. Passeggiate aleatorie. Catene di Markov a tempo discreto e tempo continuo. Misura invariante, time-reversal e reversibilita'
2. Esempi e modelli classici.
Passeggiate aleatorie su grafi. Processi di nascita e morte. Processi di esclusione. Metodo Monte Carlo: algoritmi di tipo Metropolis e dinamiche di Glauber per il modello di Ising, colorazioni di un grafo e altri sistemi interagenti.
3. Convergenza all'equilibrio I. Distanza in variazione, tempi di mixing. Teoremi ergodici. Tecniche di accoppiamento. Tempi stazionari forti. Applicazioni al problema del “coupon collector” e al mescolamento di un mazzo di carte.
4. Convergenza all'equilibrio II. Gap spettrale e stime dei tempi di rilassamento. Disuguaglianza di Cheeger, conduttanza e metodo dei cammini. Metodo della “comparazione”. Gap spettrale per il processo di esclusione sul toro d-dimensionale. Convergenza all'equilibrio in termini di entropia e disuguaglianze di Sobolev logaritmiche. Esempi.
5. Altri argomenti scelti. Dinamica di Glauber per il modello di Ising: transizione di fase dinamica per il modello di campo medio e per il modello su reticolo. Il fenomeno del “cut- off”. Disuguaglianze di Sobolev logaritmiche e convergenza all'equilibrio. Algoritmi per la “simulazione perfetta”.
Testi Adottati
Testo principale: D. Levine, Y. Peres, E. Wilmer, Markov chains and mixing times.. AMS bookstore, (2009).
testo aggiuntivo: Luca Leuzzi, Enzo Marinari, Giorgio Parisi
CALCOLO DELLE PROBABILITÀ: un trattatello per principianti volenterosi
Modalità Erogazione
lezioni tradizionali in aula con ausilio di esercizi alla lavagna; eventuale erogazione anche a distanza verrà confermata dal docenteModalità Frequenza
FacoltativaModalità Valutazione
Colloquio orale di circa 45 minuti
scheda docente
materiale didattico
Successioni di variabili aleatorie. Passeggiate aleatorie. Catene di Markov a tempo discreto e tempo continuo. Misura invariante, time-reversal e reversibilita'
2. Esempi e modelli classici.
Passeggiate aleatorie su grafi. Processi di nascita e morte. Processi di esclusione. Metodo Monte Carlo: algoritmi di tipo Metropolis e dinamiche di Glauber per il modello di Ising, colorazioni di un grafo e altri sistemi interagenti.
3. Convergenza all'equilibrio I. Distanza in variazione, tempi di mixing. Teoremi ergodici. Tecniche di accoppiamento. Tempi stazionari forti. Applicazioni al problema del “coupon collector” e al mescolamento di un mazzo di carte.
4. Convergenza all'equilibrio II. Gap spettrale e stime dei tempi di rilassamento. Disuguaglianza di Cheeger, conduttanza e metodo dei cammini. Metodo della “comparazione”. Gap spettrale per il processo di esclusione sul toro d-dimensionale. Convergenza all'equilibrio in termini di entropia e disuguaglianze di Sobolev logaritmiche. Esempi.
5. Altri argomenti scelti. Dinamica di Glauber per il modello di Ising: transizione di fase dinamica per il modello di campo medio e per il modello su reticolo. Il fenomeno del “cut- off”. Disuguaglianze di Sobolev logaritmiche e convergenza all'equilibrio. Algoritmi per la “simulazione perfetta”.
Testo principale: D. Levine, Y. Peres, E. Wilmer, Markov chains and mixing times.. AMS bookstore, (2009).
testo aggiuntivo: Luca Leuzzi, Enzo Marinari, Giorgio Parisi
CALCOLO DELLE PROBABILITÀ: un trattatello per principianti volenterosi
Mutuazione: 20410441 CP420-INTRODUZIONE AI PROCESSI STOCASTICI in Scienze Computazionali LM-40 MARTINELLI FABIO
Programma
1. Passeggiate aleatorie e Catene di MarkovSuccessioni di variabili aleatorie. Passeggiate aleatorie. Catene di Markov a tempo discreto e tempo continuo. Misura invariante, time-reversal e reversibilita'
2. Esempi e modelli classici.
Passeggiate aleatorie su grafi. Processi di nascita e morte. Processi di esclusione. Metodo Monte Carlo: algoritmi di tipo Metropolis e dinamiche di Glauber per il modello di Ising, colorazioni di un grafo e altri sistemi interagenti.
3. Convergenza all'equilibrio I. Distanza in variazione, tempi di mixing. Teoremi ergodici. Tecniche di accoppiamento. Tempi stazionari forti. Applicazioni al problema del “coupon collector” e al mescolamento di un mazzo di carte.
4. Convergenza all'equilibrio II. Gap spettrale e stime dei tempi di rilassamento. Disuguaglianza di Cheeger, conduttanza e metodo dei cammini. Metodo della “comparazione”. Gap spettrale per il processo di esclusione sul toro d-dimensionale. Convergenza all'equilibrio in termini di entropia e disuguaglianze di Sobolev logaritmiche. Esempi.
5. Altri argomenti scelti. Dinamica di Glauber per il modello di Ising: transizione di fase dinamica per il modello di campo medio e per il modello su reticolo. Il fenomeno del “cut- off”. Disuguaglianze di Sobolev logaritmiche e convergenza all'equilibrio. Algoritmi per la “simulazione perfetta”.
Testi Adottati
Testo principale: D. Levine, Y. Peres, E. Wilmer, Markov chains and mixing times.. AMS bookstore, (2009).
testo aggiuntivo: Luca Leuzzi, Enzo Marinari, Giorgio Parisi
CALCOLO DELLE PROBABILITÀ: un trattatello per principianti volenterosi
Modalità Erogazione
lezioni tradizionali in aula con ausilio di esercizi alla lavagna; eventuale erogazione anche a distanza verrà confermata dal docenteModalità Frequenza
FacoltativaModalità Valutazione
Colloquio orale di circa 45 minuti