24.01.2013 Aufrufe

Klenke Wahrscheinlichkeitstheorie

Klenke Wahrscheinlichkeitstheorie

Klenke Wahrscheinlichkeitstheorie

MEHR ANZEIGEN
WENIGER ANZEIGEN

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.

464 21 Die Brown’sche Bewegung<br />

Satz 21.50. Es gilt Lx[ ˜ Z n ] n→∞<br />

−→<br />

fdd<br />

Lx[Y ].<br />

Beweis. Wie in (21.43) erhalten wir für 0 ≤ t1 ≤ t2 und λ1,λ2 ≥ 0, sowiex≥0 lim<br />

n→∞ Ex<br />

�<br />

e −(λ1 ˜ Z n<br />

t +λ2 1 ˜ Z n<br />

t ) 2 �<br />

= lim<br />

n→∞ Ex<br />

� �<br />

Ex e −λ2 ˜ Z n �<br />

� t2 � ˜ Z n �<br />

t1 e −λ1 ˜ Z n �<br />

t1 = lim<br />

n→∞ Ex<br />

� �<br />

λ2<br />

exp −<br />

λ2(t2 − t1)+1 ˜ Z n t1<br />

⎛ �<br />

� ⎞<br />

λ2<br />

λ2(t2−t1)+1 + λ1 x<br />

=exp⎝−�<br />

� ⎠<br />

λ2<br />

λ2(t2−t1)+1 + λ1<br />

�<br />

= Ex exp(−(λ1Yt1 + λ2Yt2 ))� .<br />

t1 +1<br />

�<br />

e −λ1 ˜ Z n<br />

�<br />

t1 Wir erhalten also<br />

�<br />

Lx λ1 ˜ Z n t1 + λ2 ˜ Z n � n→∞ � �<br />

t2 −→ Lx λ1Yt1 + λ2Yt2 .<br />

Nach der Cramér-Wold Device (Satz 15.55) folgt hieraus<br />

��<br />

Lx<br />

˜Z n<br />

t1 , ˜ Z n �� n→∞ ��<br />

t2 −→ Lx Yt1 ,Yt2<br />

��<br />

.<br />

Wir können dieses Vorgehen jetzt iterieren und erhalten so für jedes k ∈ N und<br />

0 ≤ t1 ≤ t2 ≤ ...≤ tk<br />

�� � �<br />

Lx<br />

˜Z n n→∞ �� � �<br />

ti −→ Lx Yti .<br />

i=1,...,k<br />

i=1,...,k<br />

Dies ist aber die Behauptung. ✷<br />

Wir zeigen nun, dass die Konvergenz sogar im Pfadraum gilt. Hierzu müssen wir<br />

den reskalierten Prozess noch stetig machen. Wir nehmen an, dass (Zn)i∈N0 i , n ∈ N<br />

eine Folge von Galton-Watson-Prozessen ist, mit Zn 0 = ⌊nx⌋. Wirdefinieren die<br />

linearen Interpolationen<br />

¯Z n t := � t − n −1 � �<br />

⌊tn⌋ Z n ⌊tn⌋+1 − Zn �<br />

⌊tn⌋ + 1<br />

n Zn ⌊tn⌋ .<br />

Satz 21.51 (Lindvall (1972)). Die reskalierten Galton-Watson-Prozesse ¯ Z n konvergieren<br />

für n →∞gegen die Feller’sche Diffusion Y im Sinne der schwachen<br />

Konvergenz in M1(C([0, ∞))):<br />

Lx[ ¯ Z n ] n→∞<br />

−→ Lx[Y ].<br />

Beweis. Die Konvergenz der endlichdimensionalen Verteilungen ist schon gezeigt.<br />

Nach Satz 21.38 reicht es, die Straffheit von (Lx[ ¯ Z n ],n∈ N) in M1(C([0, ∞)))

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!