Numerical Computations for Backward Doubly Stochastic Differential Equations and Nonlinear Stochastic PDEs / Achref Bachouch ; sous la direction de Anis Matoussi et de Mohamed Mnif

Date :

Type : Livre / Book

Type : Thèse / Thesis

Langue / Language : anglais / English

Catalogue Worldcat

Équations différentielles stochastiques -- Solutions numériques

Équations aux dérivées partielles stochastiques -- Solutions numériques

Équations aux dérivées partielles non linéaires

Monte-Carlo, Méthode de

Markov, Processus de

Classification Dewey : 515.35

Matoussi, Anis (1966-....) (Directeur de thèse / thesis advisor)

Mnif, Mohamed (1974-....) (Directeur de thèse / thesis advisor)

Le Mans Université (Organisme de soutenance / degree-grantor)

École nationale d'ingénieurs de Tunis (Tunisie) (Organisme de cotutelle / degree co-grantor)

École doctorale Sciences et technologies de l'information et mathématiques (Nantes) (Ecole doctorale associée à la thèse / doctoral school)

Laboratoire manceau de mathématiques (Laboratoire associé à la thèse / thesis associated laboratory)

Résumé / Abstract : L’objectif de cette thèse est l’étude d’un schéma numérique pour l’approximation des solutions d’équations différentielles doublement stochastiques rétrogrades (EDDSR). Durant les deux dernières décennies, plusieurs méthodes ont été proposées afin de permettre la résolution numérique des équations différentielles stochastiques rétrogrades standards. Dans cette thèse, on propose une extension de l’une de ces méthodes au cas doublement stochastique. Notre méthode numérique nous permet d’attaquer une large gamme d’équations aux dérivées partielles stochastiques (EDPS) nonlinéaires. Ceci est possible par le biais de leur représentation probabiliste en termes d’EDDSRs. Dans la dernière partie, nous étudions une nouvelle méthode des particules dans le cadre des études de protection en neutroniques.

Résumé / Abstract : The purpose of this thesis is to study a numerical method for backward doubly stochastic differential equations (BDSDEs in short). In the last two decades, several methods were proposed to approximate solutions of standard backward stochastic differential equations. In this thesis, we propose an extension of one of these methods to the doubly stochastic framework. Our numerical method allows us to tackle a large class of nonlinear stochastic partial differential equations (SPDEs in short), thanks to their probabilistic interpretation. In the last part, we study a new particle method in the context of shielding studies.