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.
70 Kapitel 5. Das ”<br />
Hidden ϕ-/ψ-Mix<strong>in</strong>g“ Modell<br />
net werden. Der nicht sichtbare Prozess erzeugt die Beobachtungen mittels e<strong>in</strong>es<br />
Übergangskerns. Dieser Übergang zur sichtbaren Zeichenkette wird als ”<br />
Emission“<br />
bezeichnet.<br />
5.1 Voraussetzungen <strong>und</strong> Def<strong>in</strong>itionen<br />
Sei X := (X i ) i ɛN e<strong>in</strong>e ϕ- oder ψ-mischende, nicht notwendig stationäre Folge von<br />
Zufallsvariablen mit Zustandsraum X , wobei X e<strong>in</strong> separabler metrischer Raum,<br />
versehen mit der Borelschen σ-Algebra B, sei.<br />
Die emittierten Beobachtungen Y := (Y i ) i ɛN s<strong>in</strong>d e<strong>in</strong>e Folge von Zufallsvariablen<br />
mit Werten im endlichen Alphabet A = {1, . . . , ξ}, so dass Y i für alle i ɛ N nur<br />
von X i <strong>und</strong> der Randomisierung abhängt. Formal bedeutet diese Bed<strong>in</strong>gung, die<br />
<strong>in</strong> der Def<strong>in</strong>ition des Hidden Markov Modells zentral ist:<br />
a) Die Y i gegeben (X i ) i ɛN s<strong>in</strong>d bed<strong>in</strong>gt unabhängig, das heißt, dass für alle endlichen<br />
Indexmengen K ⊂ N, k : = max K, alle x ɛ X k <strong>und</strong> alle messbaren<br />
Mengen (A i ) i ɛ K ⊂ A |K| gilt:<br />
( )<br />
⋂<br />
∣<br />
P {Y i ɛ A i } ∣(X i ) i ɛ {1,...,k} = x = ∏ P ( {Y i ɛ A i } ∣ ∣(X i ) i ɛ {1,...,k} = x ) .<br />
i ɛ M<br />
i ɛ K<br />
b) Für alle i, j ɛ N, i ≠ j ist Y i gegeben X i unabhängig von X j , das bedeutet für<br />
alle messbaren Mengen A ⊂ A, B, C ɛ B gilt:<br />
P (Y i ɛ A|X i ɛ B, X j ɛ C) = P (Y i ɛ A|X i ɛ B).<br />
Weiterh<strong>in</strong> sei die bed<strong>in</strong>gte Verteilung von Y i gegeben X i stationär, so dass die<br />
Emissionswahrsche<strong>in</strong>lichkeiten<br />
λ a,u := P (Y i = a|X i = u), für alle a ɛ A, u ɛ X ,<br />
unabhängig von i ɛ N s<strong>in</strong>d. Statt des durch Λ : X × P(A) → R + , Λ(u, A) : =<br />
∑<br />
a ɛ A λ a,u def<strong>in</strong>ierten Übergangskerns von (X , B) nach (A, P(A)) wird <strong>in</strong> der<br />
Def<strong>in</strong>ition des Hidden Markov Modells <strong>in</strong> der Literatur manchmal e<strong>in</strong>e determ<strong>in</strong>istische<br />
Abbildung verwendet. Auf diese zum Beispiel von Cover <strong>und</strong> Thomas<br />
<strong>in</strong> [28, Abschnitt 4.4] <strong>und</strong> von Szpankowski <strong>in</strong> [90, Abschnitt 2.1] angegebene Variante<br />
wird hier jedoch nicht weiter e<strong>in</strong>gegangen, da sich beide Varianten durch<br />
entsprechende Wahl des Zustandsraumes beziehungsweise des Übergangskerns<br />
<strong>in</strong>e<strong>in</strong>ander überführen lassen.