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.

520 24 Der Poisson’sche Punktprozess<br />

Die Parameter θ1,...,θn entsprechen (falls ganzzahlig) den Anzahlen der Kugeln<br />

der einzelnen Farben, die ursprünglich in der Urne liegen. Wenn wir nun nicht ganz<br />

so genau hinschauen und Kugeln zweier Farben, etwa n−1 und n zusammenfassen,<br />

so sollten wir als Grenzverteilung für die Frequenzen Dirθ1,...,θn−2,θn−1+θn erhalten.<br />

Sei (Mt)t≥0 der Moran-Gamma-Subordinator, also ein stochastischer Prozess<br />

mit rechtsstetigen, monoton wachsenden Pfaden t ↦→ Mt und unabhängigen,<br />

stationären, Gamma-verteilten Zuwächsen: Mt − Ms ∼ Γ1,t−s für t>s≥ 0.<br />

Einen wichtigen Zusammenhang zwischen der Dirichlet-Verteilung und M liefert<br />

der folgende Satz.<br />

Satz 24.26. Seien n ∈ N und θ1,...,θn > 0 sowie Θ := θ1 + ... + θn. Seien<br />

X ∼ Dirθ1,...,θn und Z ∼ Γ1,Θ unabhängige Zufallsvariablen. Dann sind die<br />

Zufallsvariablen Si := Z · Xi, i =1,...,nunabhängig und Si ∼ Γ1,θi .<br />

Beweis. Sei im Folgenden stets xn := 1 − � n−1<br />

i=1 xi und s = � n<br />

j=1 sj. SeiΔ ′ n :=<br />

{x1,...,xn−1 > 0: � n−1<br />

i=1 xi < 1}. Die Verteilung von (X1,...,Xn−1,Z) hat<br />

(für x ∈ Δ ′ n und z ≥ 0) die Dichte<br />

f(x1,...,xn−1,z)=<br />

n� �<br />

j=1<br />

x θj−1<br />

j<br />

�<br />

/Γ (θj)<br />

z Θ−1 e −z .<br />

Betrachte die Abbildung F : Δ ′ n−1 × (0, ∞) → (0, ∞) n , (x1,...,xn−1,z) ↦→<br />

(zx1,...,zxn). Die Abbildung ist invertierbar mit Umkehrabbildung<br />

F −1 :(s1,...,sn) ↦→ (s1/s,...,sn−1/s, s).<br />

Die Ableitung von F hat die Determinante det(F ′ (x1,...,xn−1,z)) = z n−1 . Nach<br />

der Transformationsformel für Dichten (Satz 1.101) hat (S1,...,Sn) die Dichte<br />

g(s1,...,sn) =<br />

=<br />

=<br />

f(F −1 (s1,...,sn))<br />

| det(F ′ (F −1 (s1,...,sn)))|<br />

n� �<br />

(sj/s) θj−1 /Γ (θj) � sΘ−1e−s j=1<br />

s n−1<br />

n� �<br />

(sj/s) θj−1 e −sj /Γ (θj) � .<br />

j=1<br />

Dies ist aber die Dichte von unabhängigen Gamma-Verteilungen. ✷<br />

Korollar 24.27. Ist ti := �i j=1 θj für i =0,...,n, so sind die Zufallsvariablen<br />

X =((Mti−Mti−1 )/Mtn , i =1,...,n) und S := Mtn unabhängig und X ∼<br />

sowie S ∼ Γ1,tn .<br />

Dirθ1,...,θn<br />

Korollar 24.28. Sei (X1,...,Xn) ∼ Dirθ1,...,θn . Dann sind X1 ∼ β θ1, � n<br />

i=2 θi und<br />

(X2/(1 − X1),...,Xn/(1 − X1)) ∼ Dirθ2,...,θn unabhängig.

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

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!