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.
48 Kapitel 3. Scan-Statistiken mit variabler Fenstergröße<br />
4) Var ( ∑ n<br />
k=1 a n,kI w (k) ) = 1, nach Def<strong>in</strong>ition der a n,k .<br />
Damit lässt sich Theorem 2.2(a) aus Peligrad <strong>und</strong> Utev [65] anwenden. Es<br />
folgt Behauptung b):<br />
1<br />
σ n<br />
α T X n =<br />
n∑ (<br />
a n,k Iw (k) − π w) −→ D<br />
N (0, 1).<br />
k=1<br />
Aus den Eigenschaften der Brownschen Bewegung folgt, dass α T X normalverteilt<br />
ist, da es sich um e<strong>in</strong>e gewichtete Summe von Zuwächsen von B handelt. Somit<br />
wurde gezeigt, dass:<br />
1<br />
σ 0<br />
√ n<br />
α T X n =<br />
σ n<br />
σ 0<br />
√ n ·<br />
1<br />
σ n<br />
α T X n<br />
D<br />
−→ √ Var(α T X)N (0, 1) d = α T X.<br />
−→ X <strong>und</strong> damit die Behaup-<br />
✷<br />
1<br />
Mit Theorem 7.7 <strong>in</strong> Bill<strong>in</strong>gsley [17] folgt<br />
tung.<br />
σ 0<br />
√ n<br />
X n<br />
D<br />
Damit wurde die Konvergenz der endlichdimensionalen Randverteilungen gezeigt,<br />
falls r n von oben gegen e<strong>in</strong>en positiven Grenzwert konvergiert. In Verb<strong>in</strong>dung mit<br />
der <strong>in</strong> Abschnitt 3.3 bewiesenen Straffheit erhält man den ersten Teil von Satz 3.1.<br />
3.4.2 Der Fall r n ↘ 0<br />
In diesem Abschnitt werden die endlichdimensionalen Randverteilungen des<br />
Grenzprozesses untersucht, wenn die Fenstergröße gegen 0 konvergiert. Wie erwartet,<br />
erhält man <strong>in</strong> diesem Fall im Allgeme<strong>in</strong>en ke<strong>in</strong>en stetigen Grenzprozess<br />
mehr.<br />
Satz 3.9<br />
Sei X e<strong>in</strong>e stationäre, ϕ-mischende Zeichenfolge <strong>und</strong> für die Fenstergröße r n gelte<br />
r n ↘ 0 <strong>und</strong> r n n −→ ∞. Dann konvergieren die endlichdimensionalen Randverteilungen<br />
der Scan-Statistik (r n n) − 1 2 D n gegen unabhängige Normalverteilungen,<br />
das heißt für d ɛ N <strong>und</strong> Zeitpunkte t 1 , . . . , t d ɛ [0, 1] gilt:<br />
1<br />
√<br />
rn n<br />
⎛ ⎞<br />
D n (t 1 )<br />
⎜ ⎟<br />
⎝ . ⎠<br />
D n (t d )<br />
D<br />
−→ N (0, σ 2 0 I d ).<br />
Dabei bezeichnet I d ɛ R d×d die d-dimensionale E<strong>in</strong>heitsmatrix.