Stochastische Populationsmodelle - Abteilung für Mathematische ...
Stochastische Populationsmodelle - Abteilung für Mathematische ...
Stochastische Populationsmodelle - Abteilung für Mathematische ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
1 Bienaymé-Galton-Watson-Prozess<br />
Das folgende Theorem von Kesten und Stigun benutzt wieder die bekannte E[Z 1 log Z 1 ] < ∞<br />
Bedingung um die Reskalierungsfolge aus dem vorherigen Theorem genauer anzugeben.<br />
Theorem 1.23. Es sei 1 < m < ∞, Z 0 = 1 und setzte W n := m −n Z n und W := lim n→∞ W n . Ist<br />
E[Z 1 log Z 1 ] < ∞, dann gilt W n → W in L 1 und insbesondere E[W ] = 1. Ist E[Z 1 log Z 1 ] = ∞,<br />
dann ist E[W ] = 0 (was wegen W ≥ 0 f.s. zu P[W = 0] = 1 äquivalent ist).<br />
Beweis. Für q < s < 1 gilt gn<br />
−1 (s) ↑ 1 und somit Cn<br />
−1 (s) = − log gn<br />
−1 (s) ∼ 1−gn −1 (s) für n → ∞.<br />
Mit (1.20) folgt<br />
lim<br />
n→∞ C−1 n<br />
(s)m n < ∞ ⇔<br />
∞∏<br />
(1 − r(g −1<br />
k (s))/m) > 0<br />
k=1<br />
und nach Lemma 1.17 gilt<br />
lim<br />
n→∞ C−1 n<br />
(s)m n < ∞ ⇔<br />
∞∑<br />
k=1<br />
r(g −1<br />
k<br />
(s)) < ∞. (1.21)<br />
Wähle nun q < s 0 < 1 mit m 0 := g ′ (s 0 ) > 1. Für s 0 ≤ s < 1 gibt es nach dem Mittelwertsatz<br />
ein ŝ ∈ [s, 1] mit (1 − g(s))/(1 − s) = g ′ (ŝ) und wegen der Konvexität gilt m 0 ≤ g ′ (ŝ) ≤ m. Es<br />
folgt<br />
m 0 ≤ 1 − g(s)<br />
1 − s<br />
≤ m<br />
und somit<br />
m 0 ≤<br />
Mit Teleskopprodukt erhalten wir wieder<br />
1 − g k(s)<br />
1 − g k−1 (s) ≤ m.<br />
m n 0 (1 − s) ≤ 1 − g n (s) ≤ m n (1 − s),<br />
woraus wir durch Substitution von gn<br />
−1 (s) für s<br />
1 − m −n<br />
0 (1 − s) ≤ g−1 n (s) ≤ 1 − m −n (1 − s)<br />
erhalten. Für genügend große k ∈ N gilt m −k<br />
0 ≤ 1 − s und somit folgt<br />
1 − m −n−k<br />
0 ≤ 1 − m −n<br />
0 (1 − s) ≤ g−1 n (s) ≤ 1 − m −n 1 − s) ≤ 1 − m −n .<br />
Auf diese Ungleichung wenden wir die Funktion r an, die auf (0, 1] wachsend ist und erhalten<br />
r(1 − m −n−k<br />
0 ) ≤ r(1 − m −n<br />
0 (1 − s)) ≤ r(g−1 n (s)) ≤ r(1 − m −n (1 − s)) ≤ r(1 − m −n ).<br />
Wir summieren über n, nutzen (1.21) und Lemma 1.16 und bekommen<br />
E[Z 1 log Z 1 ] < ∞ ⇔<br />
lim<br />
n→∞ C−1 n (s)m n < ∞,<br />
16