Muster und Alignments in zufälligen Zeichenketten - Abteilung für ...
Muster und Alignments in zufälligen Zeichenketten - Abteilung für ...
Muster und Alignments in zufälligen Zeichenketten - Abteilung für ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
26 Kapitel 2. Vergleich zweier <strong>Zeichenketten</strong><br />
können. Um die Abhängigkeiten zu kontrollieren, gibt es im Wesentlichen zwei<br />
Ansätze: Den Kopplungsansatz, wie er beispielsweise <strong>in</strong> dem Standardwerk von<br />
Barbour, Holst <strong>und</strong> Janson [12] verfolgt wird, <strong>und</strong> den lokalen Ansatz, der hier<br />
verwendet werden soll. Für e<strong>in</strong>e tiefer gehende Behandlung dieser beiden Ansätze<br />
siehe beispielsweise Barbour [11, Abschnitt 2].<br />
Hier wird nun e<strong>in</strong> Spezialfall des lokalen Ansatzes, der im Weiteren verwendet<br />
wird, zitiert. Besondere Bedeutung kommt beim lokalen Ansatz den sogenannten<br />
Nachbarschaftsmengen zu, die die abhängigen Zufallsvariablen zusammenfassen:<br />
Satz 2.6 (Ste<strong>in</strong>–Chen-Methode)<br />
Gegeben sei e<strong>in</strong>e endliche Indexmenge I <strong>und</strong> e<strong>in</strong>e Familie von Bernoulli-verteilten<br />
Zufallsvariablen (I α ) α ɛ I . Des Weiteren existiere für alle α ɛ I e<strong>in</strong>e ”<br />
Nachbarschaftsmenge“<br />
B α ⊂ I, so dass α ɛ B α ist <strong>und</strong> I α <strong>und</strong> I β für alle β ɛ I α c unabhängig<br />
s<strong>in</strong>d. Ist (P α ) α ɛ I e<strong>in</strong> Poisson-Prozess auf I mit Intensitätsmaß ν ɛ M(I),<br />
ν(B) := ∑ α ɛ B E I α für alle B ⊂ I, so gilt:<br />
d TV<br />
(<br />
(Iα ) α ɛ I , (P α ) α ɛ I<br />
)<br />
≤ 4(b1 + b 2 )<br />
mit<br />
b 1 := ∑ α ɛ I<br />
b 2 := ∑ α ɛ I<br />
∑<br />
E I α E I β <strong>und</strong><br />
β ɛ I α<br />
∑<br />
E I α I β .<br />
(2.3.2)<br />
β ɛ I α\{α}<br />
Beweis:<br />
Die Behauptung folgt unmittelbar aus Arratia, Goldste<strong>in</strong> <strong>und</strong> Gordon [3, Theorem<br />
2] wegen der Unabhängigkeit von I α <strong>und</strong> I β , falls β ɛ I c α ist.<br />
✷<br />
Bemerkung:<br />
Die Bedeutung der Konstanten wird <strong>in</strong> dem vielzitierten Artikel von Arratia,<br />
Goldste<strong>in</strong> <strong>und</strong> Gordon [3, Abschnitt 2] wie folgt erklärt:<br />
1) b 1 misst die Größe der Nachbarschaftsmengen B α .<br />
2) b 2 misst die Korrelation der Bernoulli-Zufallsvariablen <strong>in</strong>nerhalb e<strong>in</strong>er Nachbarschaftsmenge.<br />
3) In Arratia, Goldste<strong>in</strong> <strong>und</strong> Gordon [3] wird nicht gefordert, dass I α <strong>und</strong> I β<br />
für alle β ɛ I c<br />
α unabhängig s<strong>in</strong>d. Statt dessen wird e<strong>in</strong>e weitere Konstante<br />
b 3 e<strong>in</strong>geführt, die die schwache Abhängigkeit“ von I ” α <strong>und</strong> (I β ) β ɛ Iα<br />
c misst.<br />
Dies wird hier nicht weiter ausgeführt, da <strong>in</strong> der folgenden Anwendung B α so<br />
gewählt werden kann, dass die Unabhängigkeit gegeben ist.