Skriptum zur Wahrscheinlichkeitstheorie
Skriptum zur Wahrscheinlichkeitstheorie
Skriptum zur Wahrscheinlichkeitstheorie
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
170 KAPITEL 5. STOCHASTISCHE PROZESSE<br />
1. Sei<br />
Wegen<br />
{<br />
R d × R d → R d<br />
δ :<br />
(x 1 , x 2 ) ↦→ x 2 − x 1 .<br />
Vert(Y t − Y s ) = δVert(Y s ⊗ Y t ) = δVert(X s ⊗ X t ) = Vert(X t − X s )<br />
hat (Y t ) t∈I stationäre Zuwächse.<br />
Für 0 = t 0 < t 1 < . . . < t n gilt mit T n aus 19.3<br />
T −1<br />
n : (x 0 , . . . , x n ) ↦→ (x 0 , x 1 − x 0 , . . . , x n − x n−1 ).<br />
Damit ist<br />
Vert ( Y t0 ⊗(Y t1 − Y t0 ) ⊗ . . . ⊗ (Y tn − Y tn−1 ) ) = T −1 (<br />
n Vert(Yt0 ⊗ Y t1 ⊗ . . . ⊗ Y tn ) )<br />
= T −1 (<br />
n Vert(Xt0 ⊗ . . . ⊗ X tn ) )<br />
= Vert ( X t0 ⊗ (X t1 − X t0 ) ⊗ . . . ⊗ (X tn − X tn−1 ) )<br />
= VertX t0 ⊗ Vert(X t1 − X t0 ) ⊗ . . . ⊗ Vert(X tn − X tn−1 )<br />
= VertX t0 ⊗ δVert(X t0 ⊗ X t1 ) ⊗ . . . ⊗ δVert(X tn ⊗ X tn−1 )<br />
= VertY t0 ⊗ δVert(Y t0 ⊗ Y t1 ) ⊗ . . . ⊗ δVert(Y tn ⊗ Y tn−1 )<br />
= VertY t0 ⊗ Vert(Y t1 − Y t0 ) ⊗ . . . ⊗ Vert(Y tn − Y tn−1 ).<br />
Damit hat (Y t ) t∈I unabhängige Zuwächse.<br />
2. “⇒”: klar<br />
“⇐”: Der Beweis von 1. lehrt, dass für 0 = t 0 < t 1 ≤ . . . ≤ t n<br />
(<br />
Vert(Xt0 ⊗ . . . ⊗ X tn ) ) = T −1 (<br />
Vert(Yt0 ⊗ . . . ⊗ Y tn ) ) .<br />
T −1<br />
n<br />
n<br />
gilt. Also ist durch Komposition mit T n<br />
Damit ist<br />
Vert(X t0 ⊗ . . . ⊗ X tn ) = Vert(Y t0 ⊗ . . . ⊗ Y tn ).<br />
VertX J = VertY J<br />
({0} ⊆ J ⊂⊂ I).<br />
Definiere die Projektion π : (x 0 , . . . , x n ) ↦→ (x 1 , . . . , x n ). Dann folgt die Behauptung<br />
durch<br />
Vert(X t1 ⊗ . . . ⊗ X tn ) = π(Vert(X t0 ⊗ . . . ⊗ X tn ))<br />
= π(Vert(Y t0 ⊗ . . . ⊗ Y tn ))<br />
= Vert(Y t1 ⊗ . . . ⊗ Y tn ),<br />
d.h.<br />
VertX J = VertY J<br />
(J ⊂⊂ I).<br />
✷