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 />
Theorem 1.15. Ist m = 1 und σ 2 < ∞, so gilt<br />
(i)<br />
(ii)<br />
(iii)<br />
Beweis.<br />
lim nP[Z n > 0] = 2<br />
n→∞ σ 2 ,<br />
[<br />
lim E Zn<br />
n→∞ n |Z n > 0<br />
]<br />
= σ2<br />
2 ,<br />
[<br />
Zn<br />
lim<br />
n→∞ P n ≤ u|Z n > 0<br />
]<br />
= 1 − e −2u/σ2 , u ≥ 0.<br />
(i) Mit s = 0 in (1.6) gilt<br />
[ (<br />
) 1 1<br />
nP[Z n > 0] = n(1 − g n (0)) =<br />
n 1 − g n (0) − 1 + 1 ] −1<br />
→ 2 n σ 2 .<br />
(ii) Allgemein gilt für Verzweigungsprozesse E[Z n ] = E[Z n |Z n > 0]P[Z n > 0] + 0 · P[Z n = 0]<br />
und somit E[Z n |Z n > 0] = E[Z n ]/P[Z n > 0]. Damit und mit (i) erhalten wir<br />
[ ]<br />
Zn<br />
E<br />
n |Z 1<br />
n > 0 =<br />
nP[Z n > 0] → σ2<br />
2 .<br />
(iii) Wir haben zu zeigen, dass bedingt auf Z n > 0 die Folge Z n /n gegen eine exponentiell<br />
verteilte Zufallsvariable mit Parameter 2/σ 2 in Verteilung konvergiert. Dazu reicht es<br />
zu zeigen, dass die bedingte Laplace-Transformierte E [exp(−uZ n /n)|Z n > 0] gegen die<br />
Laplace-Transformierte der Exponentialverteilung mit Parameter 2/σ 2 konvergiert. Letztere<br />
ist gegeben durch<br />
u ↦→<br />
∫ ∞<br />
0<br />
e −ux 2 σ 2 e− 2<br />
σ 2 x dx =<br />
Wenn u = 0 ist, dann ist nichts zu zeigen. Für u > 0 gilt<br />
1<br />
1 + uσ 2 /2 .<br />
g n (exp(−u/n)) = E [ exp(−u/n) Zn] = E [exp(−uZ n /n)]<br />
= E [exp(−uZ n /n)|Z n > 0] P[Z n > 0] + 1 · P[Z n = 0]<br />
= E [exp(−uZ n /n)|Z n > 0] (1 − g n (0)) + g n (0).<br />
Nun können wir nach dem bedingten Erwartungswert auflösen und erhalten<br />
E [exp(−uZ n /n)|Z n > 0] = g n(exp(−u/n)) − g n (0)<br />
1 − g n (0)<br />
Den zweiten Term können wir wie folgt umschreiben<br />
= 1 − 1 − g n(exp(−u/n))<br />
.<br />
1 − g n (0)<br />
[<br />
1 1<br />
n(1 − g n (0)) n ·<br />
=<br />
1<br />
n(1 − g n (0))<br />
1<br />
1 − g n (exp(−u/n))<br />
[ ( 1<br />
n<br />
] −1<br />
1<br />
1 − g n (exp(−u/n)) − 1<br />
n→∞<br />
−−−→ σ2<br />
2<br />
1 − exp(−u/n)<br />
( σ<br />
2<br />
2 + 1 u<br />
)<br />
+ 1 n ·<br />
]<br />
1 −1<br />
1 − exp(−u/n)<br />
) −1<br />
= σ2 u<br />
σ 2 u + 2 = 1 − 1<br />
σ 2 u/2 + 1 .<br />
8