Ergodischer stochastischer Prozess

Ein ergodischer stochastischer Prozess, kurz ergodischer Prozess, ist ein spezieller stochastischer Prozess, der es ermöglicht, Begriffe der Ergodentheorie in die Wahrscheinlichkeitstheorie zu übertragen. Dabei wird der zeitdiskrete stochastische Prozess als ein dynamisches System interpretiert, das durch Iteration von Shift-Abbildungen entsteht und unter gewissen Voraussetzungen maßerhaltend ist.

Ergodische stochastische Prozesse spielen eine wichtige Rolle, da man für sie mittels des individuellen Ergodensatzes und des -Ergodensatzes auch starke Gesetze der großen Zahlen herleiten kann, die nicht nur für unabhängig identisch verteilte Zufallsvariablen gelten.

Definition

Bearbeiten

Gegeben sei ein kanonischer Prozess   auf dem Wahrscheinlichkeitsraum  , wobei   ein polnischer Raum wie beispielsweise eine endliche oder abzählbar unendliche Menge oder der   ist. Der Shift   sei definiert durch

 .

Somit gilt   und   ist ein dynamisches System, das genau dann maßerhaltend ist, wenn   ein stationärer stochastischer Prozess ist.

Ist nun   eine ergodische Transformation, ist also die σ-Algebra der  -invarianten Ereignisse eine P-triviale σ-Algebra, so heißt   ein ergodischer stochastischer Prozess.

Beispiel

Bearbeiten

Unabhängig identisch verteilte Zufallsvariablen

Bearbeiten

Jede Folge von unabhängig identisch verteilten Zufallsvariablen bildet einen ergodischen Prozess. Der Prozess ist definitiv stationär, da die Verteilungen per Definition alle identisch sind. Ist nun   in der σ-Algebra der invarianten Ereignisse   enthalten, so ist

 

und damit ist   in der terminalen σ-Algebra   enthalten. Diese ist aber nach dem Kolmogorowschen Null-Eins-Gesetz P-trivial, somit muss auch   P-trivial sein. Daraus folgt die Ergodizität des Prozesses.

Markow-Ketten

Bearbeiten

Ein weiteres Beispiel für ergodische Prozesse sind Markow-Ketten in diskreter Zeit und mit abzählbar unendlichem Zustandsraum, die in ihrer invarianten Verteilung starten und irreduzibel sowie positiv rekurrent sind. Dies zeigt man mittels der starken Markow-Eigenschaft. Diese Markow-Ketten sind somit ein Beispiel für stochastische Prozesse, bei denen aufgrund der Ergodensätze das starke Gesetz der großen Zahl gilt, obwohl stochastische Abhängigkeiten vorhanden sind.

Literatur

Bearbeiten