Prozess mit unabhängigen Zuwächsen

Der Prozess mit unabhängigen Zuwächsen, auch Prozess mit unabhängigen Inkrementen genannt, ist ein Begriff aus der Theorie der stochastischen Prozesse, einem Teilbereich der Wahrscheinlichkeitstheorie. Anschaulich ist ein Prozess mit unabhängigen Zuwächsen ein Prozess, bei dem der Verlauf der Zukunft des Prozesses unabhängig von der Vergangenheit ist. Viele wichtige Klassen von Prozessen wie der Lévy-Prozess und damit auch der Wienerprozess und der Poisson-Prozess sind Prozesse mit unabhängigen Zuwächsen.

Definition

Gegeben sei ein reellwertiger stochastischer Prozess $(X_{t})_{t \in T}$ mit Indexmenge $T \subseteq ℝ$ . Der Prozess heißt Prozess mit unabhängigen Zuwächsen, wenn für jedes $N \in ℕ$ und beliebige $t_{0}, \dots, t_{N} \in T$ mit

t_{0} < t_{1} < \dots < t_{N - 1} < t_{N}

gilt, dass die $N$ Zufallsvariablen

Z_{i} = X_{t_{i}} - X_{t_{i - 1}} für i = 1, \dots, N

stochastisch unabhängig sind. Die $Z_{i}$ nennt man in naheliegender Weise Zuwächse.

Beispiel

Wir betrachten als Beispiel die zeitdiskrete symmetrische einfache Irrfahrt auf $ℤ$ . Sei dazu $Y_{n}$ für alle $n \in ℕ$ unabhängig und identisch Rademacher-verteilt, also $P (Y_{n} = - 1) = P (Y_{n} = 1) = \frac{1}{2}$ . Die Irrfahrt wird dann definiert als

X_{0} = 0 und X_{n} = \sum_{i = 1}^{n} Y_{i} für n \geq 1

.

Demnach ist die Differenz zu zwei beliebigen Zeitpunkten $t_{i}, t_{i - 1} \in ℕ_{0}$ mit $t_{i - 1} < t_{i}$ immer

Z_{i} = \sum_{j = t_{i - 1} + 1}^{t_{i}} Y_{j}

.

Da aber bereits die Familie $(Y_{n})_{n \in ℕ}$ unabhängig ist, ist dann auch jede überschneidungsfrei aus ihnen gebildete Teilfamilie unabhängig. Demnach sind auch die $Z_{i}$ unabhängig voneinander und der Prozess $(X_{n})$ ist ein Prozess mit unabhängigen Zuwächsen.

Bemerkungen

Ein $𝔽$ -adaptierter stochastischer Prozess $𝕏 = (X_{t})_{t \in ℝ^{+}}$ hat unabhängige Zuwächse bezüglich der Filtrierung $𝔽 = (ℱ_{t})_{t \in ℝ^{+}}$ , sofern für alle $t \in ℝ^{+}$ der Zuwachsprozess ${X_{s} - X_{t}}_{s \in [t, \infty [}$ unabhängig bezüglich der $σ$ -Algebra $ℱ_{t}$ ist. In der Literatur wird in diesem Falle kurz $𝕏 ⊥ ⊥ 𝔽$ geschrieben.

Literatur

Achim Klenke: Wahrscheinlichkeitstheorie. 3. Auflage. Springer-Verlag, Berlin/Heidelberg 2013, ISBN 978-3-642-36017-6, doi:10.1007/978-3-642-36018-3.