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.

90 KAPITEL 5. PUNKTPROZESSE<br />

verschwinden müssen [Bauer (1991)], das heißt<br />

Cov [ X ti − X ti−1 , Y sj − Y sj−1<br />

]<br />

= 0 . (5.25)<br />

Dabei ist E [Z] = ∫ Z(ω) P (dω) der Erwartungswert der Zufallsvariablen Z.<br />

Ω<br />

Hierbei ist zu beachten, dass stets aus der Unabhängigkeit (Gl. (5.20)) die Unkorreliertheit<br />

(Gl. (5.25)) folgt. Die Umkehrung gilt im Allgemeinen nicht.<br />

Aus einer elementaren Rechnung folgt, dass die Kovarianz der Zuwächse durch<br />

Momente höherer Ordnung (siehe Absch. 5.2) gegeben ist,<br />

Cov [ ]<br />

X ti − X ti−1 , Y sj − Y sj−1<br />

= E [ (X ti − X ti−1 ) · (Y sj − Y sj−1 ) ] − E [ X ti − X ti−1<br />

]<br />

E<br />

[<br />

Ysj − Y sj−1<br />

]<br />

. (5.26)<br />

Folglich müssen für einen Test auf Abhängigkeit nur noch die Momente der<br />

Zuwächse berechnet <strong>und</strong> nicht deren Verteilungen geschätzt werden, wie es bei<br />

der gegenseitigen Information notwendig war (siehe Absch. 5.4.1). Aufgr<strong>und</strong> der<br />

Linearität der Momente ist allerdings zu erwarten, dass bei nichtlinearer Kopplung<br />

die Signifikanz eines Tests auf Abhängigkeit, basierend auf der Kovarianz,<br />

geringer ausfallen wird als bei einem, dem die gegenseitige Information zugr<strong>und</strong>e<br />

liegt.<br />

Wie aus Gl. (5.26) ersichtlich ist, hängt der Wert der Kovarianz <strong>von</strong> den<br />

Fensterbreiten t i − t i−1 <strong>und</strong> s j − s j−1 ab. Hier bietet sich die Möglichkeit, diese<br />

Abhängigkeit zu eliminieren <strong>und</strong> somit einen absoluten Wert für die Korrelation<br />

zwischen den Punktprozessen X <strong>und</strong> Y zu erhalten. Denn wenn die einzelnen<br />

Momente in Gl. (5.26) eine Dichte m X,Y (t, s), m X (t) bzw. m Y (s) besitzen (siehe<br />

Absch. 5.2), dann besitzt auch die Kovarianz der Zuwächse eine Dichte c(t, s) =<br />

m X,Y (t, s) − m X (t) m Y (s) [Daley & Vere-Jones (1972)] mit<br />

Cov [ X ti − X ti−1 , Y sj − Y sj−1<br />

]<br />

=<br />

∫t i<br />

t i−1<br />

∫s j<br />

s j−1<br />

c(t, s) ds dt .<br />

Sie gibt die Korrelation zwischen den Punktprozessen pro Zeiteinheiten an <strong>und</strong><br />

kann mittels Grenzwertbildung ermittelt werden:<br />

c(t, s) =<br />

Cov [X t − X t−∆1 , Y s − Y s−∆2 ]<br />

lim<br />

.<br />

∆ 1 →0 +<br />

∆ 1 ∆ 2<br />

∆ 2 →0 +<br />

Insbesondere folgt aus c(t, s) > 0 bzw. c(t, s) < 0 für t i−1 < t ≤ t i , s j−1 <<br />

s ≤ s j , dass Cov [ X ti − X ti−1 , Y sj − Y sj−1<br />

]<br />

≠ 0 ist, also die Abhängigkeit beider<br />

Punktprozesse <strong>von</strong>einander.<br />

Analog zu den Dichten der Momente ist ein Schätzer für die Kovarianzdichte<br />

c(t, s) durch<br />

ĉ ∆1 ,∆ 2<br />

(t, s) = Cov [X t − X t−∆1 , Y s − Y s−∆2 ]<br />

∆ 1 ∆ 2

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

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!