Reihenprozesse

Reihenprozesse sind eine Klasse von stochastischen Prozessen, die als unendliche Reihe von Zufallsprozessen oder Zufallskomponenten definiert werden. Formal lässt sich ein Reihenprozess X als X(t) = Sum_{n=1}^∞ X_n(t) angeben, wobei X_n(t) stochastische Prozesse sind und die Reihe für alle relevanten Zeitpunkte t konvergiert (fast sicher, in L2 oder in Verteilung). Die konkrete Form der Konvergenz beeinflusst die Eigenschaften des resultierenden Prozesses.

Konstruktion und Konvergenz: Die Zufallskomponenten X_n können unabhängig oder korreliert sein. Wichtige Fragen betreffen die Art der Konvergenz und die Regularität der Pfade. Bedingungen wie Summe der Varianzen von X_n(t) kleiner als unendlich können suffiziente Voraussetzungen für L2-Konvergenz für jeden t liefern. Für fast sichere Konvergenz lassen sich klassische Ergebnisse wie der Kolmogorov-Drei-Summen-Satz heranziehen, der Kriterien für die fast sichere Konvergenz unabhängiger Summanden liefert.

Beispiele und Vertreter: Eine zentrale Rolle spielen Karhunen–Loève–Entwicklungen gaussianer Prozesse, bei denen X(t) als Reihe X(t) = Sum_{k=1}^∞ sqrt(λ_k) ξ_k φ_k(t) dargestellt wird, mit unabhängigen standardnormalverteilten ξ_k und geeigneten Eigenfunktionen φ_k. Auch random Fourier series, etwa X(t) = Sum (a_n cos(nt) + b_n sin(nt)) mit zufälligen Koeffizienten, bilden Reihenprozesse. Solche Darstellungen ermöglichen Simulation, Schätzung und Analyse der Prozesse.

Eigenschaften und Anwendungen: Die Koeffizientenfolgen bestimmen Glattheit, Stetigkeit der Pfade und das Regularitätsverhalten. Reihenprozesse ermöglichen flexible Modellierungen von Funktionen oder Systemen mit komplexen Abhängigkeiten und finden Anwendungen in der funktionalen Datenanalyse, Stochastic Simulation und der Theorie gaussianer Prozesse.

Siehe auch: Karhunen–Loève-Expansion, Gaussian-Prozess, random Fourier series, Kolmogorov-Theorie.