Martingales locales et théorème de Girsanov dans les espaces de Hilbert réels séparables
Measurable linear operators on Banach spaces
Measures and Markov processes on function spaces
Measures which agree on balls.
Median for metric spaces
We consider a Köthe space of random variables (r.v.) defined on the Lebesgue space ([0,1],B,λ). We show that for any sub-σ-algebra ℱ of B and for all r.v.’s X with values in a separable finitely compact metric space (M,d) such that d(X,x) ∈ for all x ∈ M (we then write X ∈ (M)), there exists a median of X given ℱ, i.e., an ℱ-measurable r.v. Y ∈ (M) such that for all ℱ-measurable Z. We develop the basic theory of these medians, we show the convergence of empirical medians and we give some applications....
Mesure asymptotique définie par une fonction à valeurs dans Rn ou dans un espace vectoriel topologique
Mesure harmonique et mesure de Bowen-Margulis
Mesures à valeurs dans un espace de Banach complètement réticulé
Mesures de Radon sur et mesures cylindriques
Metric entropy and the central limit theorem in
Central limit theorems with hypotheses in terms of -entropy are proved first in where is a compact metric space and then in an arbitrary separable Banach space.
Minorantes harmoniques et potentiels - Localisation sur une famille de temps d'arrêt - Réduite forte
est un processus de Markov sur un espace localement compact, et est une fonction excessive. Soit une famille de temps d’arrêt est -harmonique si pour tout , pour tout temps d’arrêt appartenant à . est un potentiel si sa plus grande minorante forte -harmonique est nulle. La plus grande minorante forte -harmonique de est égale à la somme de deux fonctions excessives qui sont étudiées. On déduit différentes caractérisations des -potentiels suivant les propriétés de la famille...
Mixtures of gaussian cylinder set measures and abstract Wiener spaces as models for detection
Mixtures of nonatomic measures. III
Multiplications aléatoires et dimensions de Hausdorff
Multistage multivariate nested distance: An empirical analysis
Multistage stochastic optimization requires the definition and the generation of a discrete stochastic tree that represents the evolution of the uncertain parameters in time and space. The dimension of the tree is the result of a trade-off between the adaptability to the original probability distribution and the computational tractability. Moreover, the discrete approximation of a continuous random variable is not unique. The concept of the best discrete approximation has been widely explored and...