Robert Dalang

Robert Dalang, né en 1961, a reçu le diplôme de Mathématicien-EPFL en 1983 et est lauréat du Prix Dommer. Il passe l'année 1985-86 à Cornell University (USA) comme chercheur invité. Il obtient le doctorat au Département de mathématiques de l'EPFL en 1987. Son domaine de spécialisation est la théorie des processeurs stochastiques. En 1987, Robert Dalang est nommé professeur assistant au Département de statistiques de l'Université de Californie à Berkeley (USA). En 1988, il reçoit une bourse post-doctorale du Fonds national scientifique américain et effectue des recherches sur les propriétés markoviennes de processus stochastiques à plusieurs paramètres. En 1990, il est nommé à Tufts University (Boston, USA). Il est promu professeur associé en mai 1993. Une partie importante de ses recherches se font dans le cadre de contrats avec le Fonds national scientifique américain et l'Office de la recherche de l'armée américaine. En collaboration avec le Prof. R. Cairoli du Département de mathématiques de l'EPFL, il a écrit un livre sur l'optimisation stochastique séquentielle publié en 1996 aux éditions John Wiley. M. Dalang est nommé professeur extraordinaire de probabilités au Département de mathématiques en 1995. Il y poursuit des travaux de recherche en processus stochastiques et probabilité appliquée et participe à l'enseignement des processus stochastiques, de la théorie des probabilités et des cours de mathématiques aux sections d'ingénieurs. Il dirige régulièrement des thèses de doctorats, est éditeur de plusieurs journaux de recherche mathématique et travail en collaboration avec des chercheurs de plusieurs universités européennes et américaines.

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Unités associées (6)

Unités associées

Chargement

Cours enseignés par cette personne

Chargement

Domaines de recherche associés (30)

Domaines de recherche associés

Chargement

Publications associées (76)

Publications associées

Chargement

Personnes menant des recherches similaires (114)

Personnes menant des recherches similaires

Chargement

Équation différentielle stochastique

Une équation différentielle stochastique (EDS) est une généralisation de la notion d'équation différentielle prenant en compte un terme de bruit blanc. Les EDS permettent de modéliser des trajectoir

Processus stochastique

Un processus ou processus aléatoire (voir Calcul stochastique) ou fonction aléatoire (voir Probabilité) représente une évolution, discrète ou à temps continu, d'une variable aléatoire. Celle-ci inte

Dimension

Le terme dimension, du latin dimensio « action de mesurer », désigne d’abord chacune des grandeurs d’un objet : longueur, largeur et profondeur, épaisseur ou hauteur, ou encore son diamètre si c'est

Optimal lower bounds on hitting probabilities for non-linear systems of stochastic fractional heat equations

Robert Dalang, Fei Pu

We consider a system of d non-linear stochastic fractional heat equations in spatial dimension 1 driven by multiplicative d-dimensional space-time white noise. We establish a sharp Gaussian-type upper bound on the two-point probability density function of (u(s, y), u(t, x)). From this result, we deduce optimal lower bounds on hitting probabilities of the process {u(t, x) : (t, x) is an element of [0, infinity[xR} in the non-Gaussian case, in terms of Newtonian capacity, which is as sharp as that in the Gaussian case. This also improves the result in Dalang et al. (2009) for systems of classical stochastic heat equations. We also establish upper bounds on hitting probabilities of the solution in terms of Hausdorff measure. (C) 2020 Elsevier B.V. All rights reserved.

ELSEVIER2021

Chargement

Polarity Of Almost All Points For Systems Of Nonlinear Stochastic Heat Equations In The Critical Dimension

Robert Dalang

We study vector-valued solutions u(t, x) is an element of R-d to systems of nonlinear stochastic heat equations with multiplicative noise, partial derivative/partial derivative t u(t, x) = partial derivative(2)/partial derivative x(2) u(t, x) + sigma (u(t, x)(W) over dot (t, x). Here, t >= 0, x is an element of R and (W) over dot (t, x) is an R-d-valued space-time white noise. We say that a point z is an element of R-d is polar if P{u(t, x) = z for some t > 0 and x is an element of R} = 0. We show that, in the critical dimension d = 6, almost all points in R-d are polar.

INST MATHEMATICAL STATISTICS-IMS2021

Chargement

On the density of the supremum of the solution to the linear stochastic heat equation

Robert Dalang, Fei Pu

We study the regularity of the probability density function of the supremum of the solution to the linear stochastic heat equation. Using a general criterion for the smoothness of densities for locally nondegenerate random variables, we establish the smoothness of the joint density of the random vector whose components are the solution and the supremum of an increment in time of the solution over an interval (at a fixed spatial position), and the smoothness of the density of the supremum of the solution over a space-time rectangle that touches thet=0 axis. Applying the properties of the divergence operator, we establish a Gaussian-type upper bound on these two densities respectively, which presents a close connection with the Holder-continuity properties of the solution.

SPRINGER2020

Chargement