重尾马尔可夫更新过程经验测度的大偏差
概率论
2014-02-18 v2
摘要
针对有限图上更新马尔可夫过程的经验测度与流测度的联合分布，建立了大偏差原理。我们不假设到达时间有任何界限，从而允许重尾分布。特别是，速率泛函通常是退化的（具有非平凡的零集）且非严格凸。这些特征显示出与通过启发式 Donsker-Varadhan 分析对该问题所推测的行为截然不同的特性。
引用
@article{arxiv.1203.5930,
title = {Large deviations for the empirical measure of heavy tailed Markov renewal processes},
author = {Mauro Mariani and Lorenzo Zambotti},
journal= {arXiv preprint arXiv:1203.5930},
year = {2014}
}