Das Reflexionsprinzip,[1] auch Spiegelungsprinzip[2] oder Reflektionsprinzip[3] genannt, ist eine Aussage über Irrfahrten aus der Theorie der stochastischen Prozesse und somit der Wahrscheinlichkeitstheorie zuzuordnen. Das Reflexionsprinzip ist eine Folgerung aus der starken Markow-Eigenschaft und wird in unterschiedlichen Versionen formuliert, unter anderem für den Wiener-Prozess. Anschaulich liefert das Reflexionsprinzip eine Abschätzung für die Wahrscheinlichkeit, dass ein stochastischer Prozess vor einem gewissen Zeitpunkt einen vorgegebenen Schwellenwert bereits einmal überschritten hat.

Reflexionsprinzip für die symmetrische Irrfahrt Bearbeiten

Gegeben sei eine Folge   von unabhängig identisch verteilten sowie symmetrischen und reellwertigen Zufallsvariablen.

Sei   und

 

Dann gilt für alle   und alle  

 

Nehmen die   fast sicher Werte aus   an, so gilt für alle   in der obigen Ungleichung Gleichheit.[4]

Reflexionsprinzip aus kombinatorischer Sicht Bearbeiten

Wir betrachten Wege im   die durch die geradlinige Verbindung von   Punkten

  mit  

entstehen. Für   ist die Anzahl der Wege von   nach   gegeben durch

 .

Das Spiegelungsprinzip gibt nun folgende Aussage:

Satz Bearbeiten

Sei  . Bezeichne   die Anzahl der Wege von   nach   welche die Gerade   schneiden oder berühren. Dann gilt:

 

Beweis Bearbeiten

Sei  . Spiegeln wir nun den verbliebenen Wegteil von   bis   an der Geraden  , so erhalten wir einen neuen Weg von   nach  . Auch dieser Weg berührt oder schneidet die Gerade  . Auf diese Weise können die Wege bijektiv aufeinander abgebildet werden und die Behauptung folgt.

Reflexionsprinzip für den Wiener-Prozess Bearbeiten

Sei   ein Wiener-Prozess sowie   und  . Dann gilt[5][6]

 .

Über die Dichte der Normalverteilung erhält man die weitere Abschätzung

 .

Literatur Bearbeiten

Einzelnachweise Bearbeiten

  1. Klenke: Wahrscheinlichkeitstheorie. 2013, S. 363.
  2. Klenke: Wahrscheinlichkeitstheorie. 2013, S. 520.
  3. Meintrup, Schäffler: Stochastik. 2005, S. 364.
  4. Klenke: Wahrscheinlichkeitstheorie. 2013, S. 363.
  5. Klenke: Wahrscheinlichkeitstheorie. 2013, S. 480.
  6. Meintrup, Schäffler: Stochastik. 2005, S. 366.