Stochastische Populationsmodelle - Abteilung für Mathematische ...
Stochastische Populationsmodelle - Abteilung für Mathematische ...
Stochastische Populationsmodelle - Abteilung für Mathematische ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
3 Diffusionsapproximation von Verzweigungsprozessen<br />
Das Supremum in der letzten Zeile ist beschränkt in N. Wenn µ = m (N) − 1 + o(1/N) < 0 ist<br />
dann ist es beschränkt durch 1. Anderenfalls ist es gleich e α(µ+o(1))T was gegen e αµT konvergiert<br />
und somit beschränkt ist. Insgesamt kann man also zu jedem ε > 0 und jedem T > 0 ein c so<br />
wählen, dass P X<br />
(N)<br />
0<br />
[<br />
sup 0≤t≤T X (N)<br />
t > c<br />
]<br />
< ε gilt, was die compact containment condition zeigt.<br />
Nach Theorem 3.6 ist jeder Grenzwert X gegen den eine Teilfolge von X (N) in Verteilung<br />
konvergiert eine Lösung von dem Martingalproblem zu A. Für die Konvergenz X (N) ⇒ X bleibt<br />
also noch die Eindeutigkeit des Grenzwertes zu zeigen. Dies zeigen wir mit Hilfe von Dualität.<br />
Sei dazu u(t) die eindeutige Lösung von<br />
d<br />
dt u(t) = −1 2 ασ2 u 2 (t) + αµu(t), u(0) = u 0 ,<br />
auf R + (u(t) ist natürlich deterministisch). Dann ist<br />
e −xu(t) −<br />
∫ t<br />
0<br />
x( 1 2 ασ2 u 2 (s) − αµu(s))e −xu(s) ds = e −xu(t) −<br />
∫ t<br />
0<br />
d<br />
ds e−xu(s) ds = e −xu 0<br />
ein Martingal für x ∈ R + . Da X eine Lösung des Martingalproblems zu A ist, ist auch<br />
e −Xtu −<br />
∫ t<br />
0<br />
X s ( 1 2 ασ2 u 2 − αµu)e −Xsu ds<br />
= f u (X t ) −<br />
∫ t<br />
0<br />
Af u (X s ) ds<br />
ein Martingal für jedes u ∈ R + , hier ist f u (x) := e −ux . Nach Theorem 3.8 gilt E X0 [e −uXt ] =<br />
e −utX 0<br />
dadurch sind die eindimensionalen Verteilungen von X eindeutig festgelegt und mit<br />
Theorem 3.7 folgt die Eindeutigkeit der endlich dimensionalen Verteilungen.<br />
Wir haben in dem obigen Theorem Konvergenz in D R+ (R + ) gezeigt. Tatsächlich kann man<br />
sogar zeigen, dass der Grenzwert X eine Diffusion ist, ein Prozess also, dessen Pfade fast sicher<br />
in C(R + , R + ) liegen. Ferner kann man X als Lösung der stochastischen Differentialgleichung<br />
dX t = √ ασ 2 X t dB t + αµX t dt<br />
auffassen. Dieser Prozess wird oft als Feller-Diffusion bezeichnet (siehe Feller 1951). Es ist ein<br />
Beispiel für einen Verzweigungsprozess mit stetigem Zustandsraum R + . Ist X ein allgemeiner<br />
subkritischer oder kritischer Verzweigungsprozess auf R + mit Übergangsoperator p(t, x, ·), so<br />
gilt (siehe Le Gall 1999)<br />
E x [e −λXt ] =<br />
∫ ∞<br />
0<br />
e −λy p(t, x, dy) = e −xut(λ) , λ > 0.<br />
Hier ist u t (λ) die eindeutige nicht-negative Lösung der Integralgleichung<br />
wobei<br />
u t (λ) +<br />
∫ t<br />
ψ(u) = αu + βu 2 +<br />
0<br />
ψ(u s (λ)) ds = λ<br />
∫ ∞<br />
0<br />
(e −ru − 1 + ru) π(dr)<br />
40