25.12.2013 Aufrufe

Nichtlineare Methoden zur Quantifizierung von Abhängigkeiten und ...

Nichtlineare Methoden zur Quantifizierung von Abhängigkeiten und ...

Nichtlineare Methoden zur Quantifizierung von Abhängigkeiten und ...

MEHR ANZEIGEN
WENIGER ANZEIGEN

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.

5.6. ABHÄNGIGKEITSNACHWEIS ÜBER EREIGNISINTERVALLE 107<br />

nur die Ereignisintervalle E (i)<br />

k<br />

beeinflusst (siehe Gl. (5.33) <strong>und</strong> Gl. (5.34)),<br />

E (i)<br />

k<br />

→ S jk +i(ω) + τ − T k (ω) ≡ E (i)<br />

k,τ .<br />

Die Ergebnisse <strong>von</strong> B ∆,∆ ( ˜D k+1 , Ẽ(i) k,τ<br />

) als Funktion der Zeitverschiebung τ <strong>und</strong> der<br />

Intervallordnung i sind in Abb. 5.20 für die Kopplung g = 0.3 dargestellt. Für<br />

B ∆,∆ (D k+1 , E (i)<br />

k,τ )<br />

0.2<br />

0.1<br />

g = 0.3<br />

0<br />

-20<br />

Intervallordnung<br />

0<br />

i<br />

20<br />

-2000<br />

0<br />

2000<br />

Zeitverschiebung τ<br />

Abbildung 5.20: Supremum B ∆,∆ ( ˜D k+1 , Ẽ(i) k,τ<br />

) in Abhängigkeit der Intervallordnung<br />

i <strong>und</strong> Zeitverschiebung τ. Die Kopplungsstärke ist g = 0.3.<br />

kleine Zeitverschiebungen |τ| zeigt sich hier die Abhängigkeit beider Punktprozesse<br />

aufgr<strong>und</strong> der Kopplung deutlich. Aufgr<strong>und</strong> <strong>von</strong> Kausalität <strong>und</strong> Abnahme der<br />

Korrelation zwischen beiden Prozessen in der Zeit verschwindet die gegenseitige<br />

Information bei großem |τ|.<br />

Wie für die zuvor vorgestellten <strong>Methoden</strong> können auch hier kürzere Zeitreihen<br />

verwendet werden. Für eine Kopplung <strong>von</strong> g = 0.3 zeigte sich, dass bei Zeitreihen<br />

mit einer Länge <strong>von</strong> nur noch 10 000 Punkten, was ≈ 500 Ereignissen entspricht,<br />

der funktionelle Verlauf des Supremums B ∆,∆ ( ˜D k+1 , Ẽ(i) k<br />

) qualitativ unverändert<br />

bleibt, siehe Abb. 5.21. Somit liefert diese Methode noch eine ausreichende Signifikanz,<br />

um <strong>Abhängigkeiten</strong> mit wenigen Ereignissen nachzuweisen.

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!