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.

3.6. KERNSCHÄTZER FÜR DICHTEN 47<br />

parabolischer Kern K(u) = 3 4 (1 − u2 ) falls |u| < 1 <strong>und</strong> 0 sonst<br />

biparabolischer K(u) = 15<br />

16 (1 − u2 ) 2 falls |u| < 1 <strong>und</strong> 0 sonst<br />

dreieckiger K(u) = 1 − |u| falls |u| < 1 <strong>und</strong> 0 sonst<br />

Gaußscher K(u) = 1 √<br />

2π<br />

e − 1 2 u2<br />

rechteckiger K(u) = 1 2<br />

falls |u| < 1 <strong>und</strong> 0 sonst<br />

Tabelle 3.1: Kerne <strong>und</strong> ihre Definitionen.<br />

approximieren. Die Zustände der N Beobachtungen ω n ∈ Ω, n = 1, . . . , N sind<br />

mit x i (n) ≡ X i (ω n ) bezeichnet worden. Die nichtnegative Funktion K ist der<br />

sogenannte Kern, mit dem diese Punkte gewichtet werden. Der Parameter ε > 0<br />

ist die Bandbreite, mit ihr wird die Größe der Umgebung festgelegt, deren Punkte<br />

beim Zählen berücksichtigt werden. Erfüllt K<br />

∫<br />

∫<br />

∫<br />

K(u) du = 1 , u K(u) du = 0 , u 2 K(u) du < ∞ (3.31)<br />

<strong>und</strong> ist g Xi zweimal differenzierbar, dann konvergiert ĝ Xi ;ε punktweise gegen g Xi :<br />

ĝ Xi ;ε(x i )<br />

ε→0<br />

−−→ g Xi (x i ) , ∀x i ∈ R . (3.32)<br />

Siehe Anhang A für einen Beweis dieser Aussage. Ist die Dichte g Xi ausreichend<br />

glatt, so dass alle Strukturen bereits mit einer festen Bandbreite ε 0 aufgelöst werden,<br />

so wird im Allgemeinen ĝ Xi ;ε ≈ g Xi für 0 < ε < ε 0 gelten. Dementsprechend<br />

nähert bei fest vorgegebener Bandbreite ε der Kernschätzer die Dichte in dem<br />

Sinne, dass Strukturen auf einer kleineren Skala als ε ignoriert werden.<br />

Die gebräuchlichsten Kerne sind in Tab. 3.1 aufgelistet. Insbesondere<br />

bei der Analyse <strong>von</strong> dynamischen Systemen wird der rechteckige Kern<br />

verwendet [Grassberger & Procaccia (1983a), Theiler (1986), Theiler (1990),<br />

Kantz & Schreiber (1997)].<br />

Das Konzept der Kernschätzer kann auf mehrdimensionale Prozesse erweitert<br />

werden. Leider hängt hier die Wahl eines effektiven Kerns (gemeint ist<br />

ein Kern mit schneller Konvergenz in der Bandbreite <strong>und</strong> kleiner Varianz)<br />

sehr stark <strong>von</strong> der zugr<strong>und</strong>e liegenden Struktur <strong>und</strong> der Dynamik des Prozesses<br />

ab [Silverman (1986)]. Ohne Kenntnis über die Dynamik bleibt nur,<br />

die Kartesische Struktur des Zustandsraums auszunutzen. Deshalb wird hier<br />

der mehr-dimensionale Kern als Produkt <strong>von</strong> ein-dimensionalen Kernen geschrieben,<br />

K(u 1 , . . . , u d ) = K 1 (u 1 ) · · · K d (u d ). Hieraus folgt der d-dimensionalen<br />

Kernschätzer<br />

ĝ Xi ,ε(x i ) = 1 N∑ d∏<br />

( )<br />

1 xi,j − x i,j (n)<br />

K j , (3.33)<br />

N ε j ε j<br />

n=1<br />

j=1

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

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!