Woldsche Zerlegung

mathematischer Satz

Die Woldsche Zerlegung bezeichnet eine spezielle Zerlegung in der Zeitreihenanalyse, einem Teilgebiet der mathematischen Statistik.

Hauptteil

Bearbeiten

Die Zerlegung ist nach Herman Wold benannt, der 1938 zeigte, dass die Zufallsvariablen   eines zeitdiskreten kovarianzstationären[1], nicht-deterministischen stochastischen Prozesses in zwei Teile zerlegt werden können:

  • in einen deterministischen Anteil   und
  • in einen rein nicht-deterministischen Anteil, der durch Glättung von Zufallsvariablen   entsteht. Insgesamt:
 

Die Zufallsvariablen   haben den Erwartungswert null und eine konstante Varianz und sind paarweise unkorreliert:

  und  

Die Glättungsfolge der   ist

  • möglicherweise unendlich lang (kann aber auch endlich sein)
  • quadratsummabel:  
  • „kausal“ (es gibt keine Terme  )
  • die   sind konstant (also unabhängig von der Zeit  )

Üblicherweise wird gesetzt:

 

Der rein-nicht-deterministische Anteil   wird auch weißes Rauschen genannt. Eine lineare deterministische Komponente wie   kann aufgrund ihrer eigenen vergangenen Werte perfekt vorhergesagt werden (kann aber auch Zufallselemente enthalten). Der deterministische Teil kann einen zeitlich konstanten Mittelwert haben, umfasst aber auch zum Beispiel periodische, polynomiale oder exponentielle Folgen in den Zeitpunkten  .

Die geforderte quadratische Konvergenz der Reihe der   garantiert die Existenz der zweiten Momente des Prozesses. Für die Gültigkeit dieser Zerlegung müssen keine Verteilungsannahmen getroffen werden und   muss nicht unabhängig sein; es genügt Unkorreliertheit.

Für den Erwartungswert erhält man  

das heißt, es gilt:

 

Die Varianz berechnet sich folgendermaßen:

 

Wegen   für  vereinfacht sich dieser Ausdruck zu

 

Die Varianz ist somit endlich und zeitunabhängig. Entsprechend erhält man mit   die Autokovarianzen

 

mit  . Man sieht, dass die Autokovarianzen nur eine Funktion der Zeitdifferenz   sind. Somit sind alle Bedingungen für die Kovarianzstationarität erfüllt. Die Autokorrelationsfunktion lässt sich wie folgt schreiben:

 

Beispielsweise lassen sich ARMA-Modelle in die Woldsche Darstellung bringen. Diese Darstellung ist eher von theoretischem Interesse, denn in praktischen Anwendungen sind Modelle mit unendlich vielen Parametern unbrauchbar.

Wold-Zerlegung in der Funktionalanalysis

Bearbeiten

Es gibt auch eine Wold’sche Zerlegung in der Funktionalanalysis, siehe Shiftoperator.

Literatur

Bearbeiten
  • Herman Wold A Study in the Analysis of Stationary Time Series, Stockholm: Almquist und Wicksell 1938
  • Gerhard Kirchgässner, Jürgen Wolters: Einführung in die moderne Zeitreihenanalyse, 1. Auflage, München: Vahlen, 2006, ISBN 978-3-800-63268-8, S. 19f

Siehe auch

Bearbeiten

Einzelnachweise und Anmerkungen

Bearbeiten
  1. Hier in dem Sinn gebraucht, dass die Kovarianz Cov ( ) nur von der Zeitdifferenz (t-s) abhängt. Kirchgässner, Wolters, Hassner, Introduction to modern time series analysis, Springer 2013, S. 14 (schwach stationär wird dort als Kovarianz- und Mittelwert-stationär definiert)