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

Erfolgreiche ePaper selbst erstellen

Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.

82 KAPITEL 5. PUNKTPROZESSE<br />

ein ganzzahliges Vielfaches <strong>von</strong> der Frequenz des zweiten Generators unterscheidet.<br />

Ebenso sind X <strong>und</strong> Y (stochastisch) abhängig, wenn diese ungekoppelt sind,<br />

aber <strong>von</strong> einem dritten Prozess Z getriggert werden. Damit <strong>von</strong> Abhängigkeit<br />

auf Kopplung geschlossen werden darf, müssen Fälle wie diese ausgeschlossen<br />

werden. In den meisten Fällen ist solch eine Schlussfolgerung möglich, wenn eine<br />

entsprechende Modellvorstellung der zu untersuchenden Systeme zugr<strong>und</strong>e liegt.<br />

5.4 Nachweis <strong>von</strong> <strong>Abhängigkeiten</strong> mittels<br />

Zuwächsen<br />

5.4.1 Abhängigkeitsnachweis über Zuwächse<br />

Da es sich bei den Pfaden der Punktprozesse um monoton wachsende Funktionen<br />

handelt (siehe Abb. 5.2), können die Wahrscheinlichkeiten in Gl. (5.18) nur dann<br />

geschätzt werden, wenn eine ausreichende Anzahl <strong>von</strong> Beobachtungen vorliegt.<br />

Anders sieht es mit den Zuwächsen aus. Sind die zugr<strong>und</strong>eliegende Dynamik der<br />

Punktprozesse X <strong>und</strong> Y sowie die Kopplung zwischen ihnen zeitunabhängig, sind<br />

also die Zuwachse X ti −X ti −∆ <strong>und</strong> X ti+1 −X ti+1 −∆ stationär verteilt, so lautet ein<br />

Schätzer für die Verteilung der Zuwächse X t − X t−∆ bezüglich des Zeitfensters<br />

(t − ∆, t]<br />

P {X t − X t−∆ = x} ≈ 1 n<br />

n∑<br />

δ(X ti (ω) − X ti −∆(ω), x) .<br />

i=1<br />

Dementsprechend kann die Verteilung eines stationär verteilten Zuwachses aus<br />

einer Beobachtung geschätzt werden.<br />

Um ein Kriterium für Abhängigkeit zu erhalten, wird zunächst Gl. (5.18) <strong>von</strong><br />

Ereigniszahlen auf Zuwächse umgeschrieben. Hierzu ist lediglich zu berücksichtigen,<br />

dass die Subtraktion eine stetige Abbildung ist. Folglich ist im Falle der Unabhängigkeit<br />

auch die gemeinsame Verteilung der Zuwächse <strong>von</strong> X <strong>und</strong> Y stochastisch<br />

unabhängig [Bauer (1991), Behnen & Neuhaus (1995), Billingsley (1995)]:<br />

P Xt i+1 −Xt i ,...,Xt 2 −Xt 1 , Ys j −Ys j−1 ,...,Ys 2 −Ys 1<br />

= P Xt i+1 −Xt i ,...,Xt 2 −Xt 1 ⊗ P<br />

Y sj −Y sj−1 ,...,Y s2 −Y s1 , (5.19)<br />

mit beliebigen 0 ≤ t 1 < . . . < t i < t i+1 , 0 ≤ s 1 < . . . < s j <strong>und</strong> i, j ∈ N. Die<br />

Abhängigkeit X ti+1 − X ti <strong>von</strong> X ti − X ti−1 , . . . <strong>und</strong> Y ti+1 − Y ti , . . . ist in Abb. 5.5<br />

illustriert, wobei s j = t i+1 , . . . ist.<br />

Durch Ausintegrieren <strong>von</strong> Gl. (5.19) folgt unmittelbar, dass die Punktprozesse<br />

X <strong>und</strong> Y nicht unabhängig sein können, wenn für beliebige 0 ≤ t i−1 < t i <strong>und</strong><br />

0 ≤ s j−1 < s j die Zuwächse X ti − X ti−1 <strong>und</strong> Y sj − Y sj−1 <strong>von</strong>einander abhängen,

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

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!