Skriptum zur Wahrscheinlichkeitstheorie
Skriptum zur Wahrscheinlichkeitstheorie
Skriptum zur Wahrscheinlichkeitstheorie
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
174 KAPITEL 5. STOCHASTISCHE PROZESSE<br />
Die Unabhängigkeit der Zuwächse bleibt erhalten, die Stetigkeit der Pfade ist klar. Aus der<br />
Normalität folgt<br />
d⊗<br />
d⊗<br />
VertX t = µ t = N 0,t = VertX i t<br />
1<br />
i=1<br />
und VertX 0 =<br />
d⊗<br />
ɛ 0 und damit die Unabhängigkeit.<br />
1<br />
✷<br />
20.9 Definition<br />
Die Verteilung N d :=<br />
d⊗<br />
N 0,1 = µ 1 heißt d-dimensionale Standard-Normalverteilung. Gaußmaß<br />
1<br />
oder d-dimensionale Normalverteilung heißt jedes Bildmaß T (N d ) unter einer affin-linearen Abbildung<br />
T : x ↦→ Ax + b des R d in sich. Dabei ist A eine reelle d × d-Matrix und b ∈ R d . Sie heißt<br />
ausgeartet, wenn det A = 0.<br />
Eine R d -wertige Zufallsvariable heißt Gauß’sch, wenn ihre Verteilung ein Gaußmaß ist. Ein stochastischer<br />
Prozess heißt Gauß-Prozess, wenn seine endlich-dimensionalen Randverteilungen Gaußmaße<br />
sind. Ein reller Gauß-Prozess (X t ) t∈I heißt zentriert, wenn E[X t ] = 0 (t ∈ I).<br />
20.10 Beispiele<br />
1. Sei d = 1. Dann gilt:<br />
T (N 1 ) ausgeartet ⇐⇒ T = b konstant ⇐⇒ T (N 1 ) = ɛ b =: N b,0 .<br />
2. Seien<br />
t i ≥ 0, b i ∈ R, T i : x i ↦→ √ t i x i + b i (i = 1, . . . , d).<br />
Sei außerdem T i (N 0,1 ) = N bi,t i<br />
und<br />
A :<br />
⎛√ t1 0<br />
⎜<br />
⎝<br />
0<br />
. ..<br />
√<br />
td<br />
⎞<br />
⎟<br />
⎠ und T := (T 1 , . . . , T d ) : x ↦→ Ax + b.<br />
Beh: T (N d ) =<br />
d⊗<br />
i=1<br />
N bi,t i<br />
Denn: Für B i ∈ B(R) ist<br />
ist eine d-dimensionale Normalverteilung,<br />
N d<br />
[<br />
T −1 (B 1 × . . . × B d ) ] = N d<br />
[ d∏<br />
=<br />
i=1<br />
]<br />
T −1<br />
i (B i ) =<br />
d∏<br />
i=1<br />
d⊗<br />
N bi,t i<br />
[B 1 × . . . × B d ].<br />
i=1<br />
N 0,1<br />
[<br />
T<br />
−1<br />
i (B i ) ] =<br />
d∏<br />
N bi,t i<br />
[B i ]<br />
i=1<br />
3. Jedes Bildmaß eines Gaußmaßes unter affin-linearen Transformationen ist ein Gauß-Maß.