Publication

Tightness for the interface of the one-dimensional contact process

Thomas Mountford
2010
Journal Articles

Résumé

We consider a symmetric, finite-range contact process with two types of infection; both have the same (supercritical) infection rate and heal at rate 1, but sites infected by Infection I are immune to Infection 2. We take the initial configuration where sites in (-infinity, 0] have Infection I and sites in [1, infinity) have Infection 2, then consider the process rho(t) defined as the size of the interface area between the two infections at time t. We show that the distribution of rho(t) is tight, thus proving a conjecture posed by Cox and Durrett in [Bernoulli 1 (1995) 343-370].

Source officielle

https://infoscience.epfl.ch/entities/publication/23abd9e8-0992-4bad-acfc-f64007f3a72a

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.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Tightness for the interface of the one-dimensional contact process

Chattez avec Graph Search

A Reduced Order Model for Domain Decompositions with Non-conforming Interfaces

lifex-ep: a robust and efficient software for cardiac electrophysiology simulations

Automated neuron tracking inside moving and deforming C. elegans using deep learning and targeted augmentation