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.

2.2. KONTINUIERLICHE STOCHASTISCHE PROZESSE 27<br />

<strong>und</strong> stochastische Kopplung zwei verschiedene Eigenschaften eines gekoppelten<br />

Systems sind, siehe Gl. (2.23).<br />

Die kontinuierliche Transferentropie kann ebenfalls als eine Summe<br />

<strong>von</strong> bedingten kontinuierlichen Shannon-Entropien, kontinuierlichen Shannon-<br />

Entropien oder auch gegenseitigen Informationen zerlegt werden. Hierfür sind<br />

Gl. (2.30) <strong>und</strong> Gl. (2.37) anzuwenden. Dies führt ebenfalls auf die Gleichungen<br />

Gl. (2.22), Gl. (2.27) bzw. Gl. (2.28).<br />

2.2.3 Transformationsinvarianz<br />

Die gegenseitige Information <strong>und</strong> die Transferentropie besitzen nur dann eine<br />

physikalisch relevante Aussagekraft, wenn sie mindestens gegenüber Koordinatentransformationen<br />

invariant sind. Für diskrete Prozesse ist dies offensichtlich<br />

für alle der hier vorgestellten informationstheoretischen Größen der<br />

Fall. Bei kontinuierlichen Prozessen ist dies zumindest bei der gegenseitigen<br />

Information zu erwarten, wenn die Prozesse X <strong>und</strong> Y unabhängig sind, denn<br />

stochastische Unabhängigkeit ist eine Eigenschaft, die bei Transformationen<br />

mit messbaren Abbildungen erhalten bleibt, siehe beispielsweise [Bauer (1991),<br />

Behnen & Neuhaus (1995), Billingsley (1995)]. Für alle anderen Fälle sind detailierte<br />

Untersuchungen nötig.<br />

Hierzu soll als erstes studiert werden, wie eine Wahrscheinlichkeitsdichte<br />

bezüglich eines C 1 -Diffeomorphismus transformiert wird. Sei ψ ein C 1 -<br />

Diffeomorphismus auf den R d , der X i auf ψ ◦ X i abbildet. Für jede beliebige<br />

Borelmenge B ∈ B(R d ) gilt dann<br />

P X i<br />

(B) = P X i<br />

(ψ −1 (ψ(B))) = P ψ◦X i<br />

(ψ(B)) .<br />

Dabei ist mit B auch ψ(B) eine Borelmenge [Bauer (1992)]. Sei g Xi die Wahrscheinlichkeitsdichte<br />

der Verteilung P X i<br />

<strong>und</strong> g ψ◦Xi diejenige <strong>von</strong> P ψ◦X i<br />

, so<br />

folgt mit dem Transformationssatz für Integrale bezüglich des Lebesgue-Maßes<br />

[Bauer (1992)]<br />

∫<br />

∫<br />

∫<br />

g Xi (x) dx = g ψ◦Xi (x ′ ) dx ′ = g ψ◦Xi (ψ(x)) · | det (Dψ) (x)| dx .<br />

B<br />

ψ(B)<br />

B<br />

Dabei ist det (Dψ) (x) die Jacobi-Determinante <strong>von</strong> ψ an der Stelle x. Da diese<br />

Gleichung für jede Borelmenge B ∈ B(R d ) gilt <strong>und</strong> die Integranden messbare<br />

Funktionen sind, erhält man die Identität<br />

fast sicher [Bauer (1992)].<br />

g Xi (x) = g ψ◦Xi (ψ(x)) · | det (Dψ) (x)| (2.44)

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

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!