Das lineare Filterproblem in separablen Hilberträumen
Mit einer Einführung in die stochastische Integration einschließlich Behandlung der Ito-Formel
- Art: Diplomarbeit
- Autor: Torsten Narjes
- Abgabedatum: September 1992
- Umfang: 225 Seiten
- Dateigröße: 1,1 MB
- Note: 1,0
- Institution / Hochschule: Christian-Albrechts-Universität zu Kiel Deutschland
- Bibliografie: ca. 17
- ISBN (eBook): 978-3-8366-3809-8
- Sprache: Deutsch
- Prämierung:
- Arbeit zitieren: Narjes, Torsten September 1992: Das lineare Filterproblem in separablen Hilberträumen, Hamburg: Diplomica Verlag
- Schlagworte: stochastische Integration, Ito-Formel, Lineare Kontrolltheorie, Kalman Bucy Filter, Brownsche Bewegung
58,00 €
PDF-eBook Download: 58,00 €
Diplomarbeit von Torsten Narjes
Inhaltsangabe:
Einleitung:
Zum Verständnis dieser Diplomarbeit sind gute Kenntnisse der Wahrscheinlichkeitstheorie und Integrationstheorie sowie Grundkenntnisse in Funktionalanalysis hilfreich.
Im Mittelpunkt meiner Diplomarbeit stehen zwei Themenbereiche, die ich nun kurz vorstellen möchte. Die Kapitel 1-6 geben eine umfangreiche Einführung in die Theorie der stochastischen Integration in Hilberträumen, wobei ich in Kapitel 1-3 zunächst grundlegende Begriffe wie z.B. Stoppzeit, Martingal oder bedingte Erwartung behandle. Daran schließt sich die eigentliche Einführung in die stochastische Integration in Hilberträumen an, wobei das Buch von M. MÉTIVIER und J. PELLAUMAIL die Basis für den von mir gewählten Zugang bildet. In Kapitel 4 werden dabei neben den grundlegenden Definitionen die Eigenschaften stochastischer Integrale und Integralprozesse sowie Konvergenzsätze für Folgen stochastischer Integralprozesse behandelt. In Kapitel 5 definiere ich die quadratischen und tensor-quadratischen Variationsprozesse und erarbeite wichtige Aussagen über diese Prozesse – dies dient zur Vorbereitung von Kapitel 6, das mit der Ito-Formel für stochastische Prozesse in Hilberträumen und einigen Korollaren hieraus die von mir gegebene Einführung in die Theorie der stochastischen Integration abschließt.
Die umfangreiche Behandlung der Theorie der stochastischen Integration ist als Unterbau für die Kapitel 7-9 erforderlich, die das lineare Filterproblem in separablen Hilberträumen behandeln. Hierbei handelt es sich um einen Gegenstand der stochastischen Kontrolltheorie. In der deterministischen Kontrolltheorie interessieren wir uns allgemein für lineare differentielle dynamische Systeme, d. h. für mathematische Modelle eines Teils der Realität, an dessen zeitlicher Veränderung wir interessiert sind – die Bezeichnung ‘linear differentiell’ drückt hierbei aus, daß nur solche Systeme betrachtet werden sollen, die sich durch lineare Differentialgleichungen beschreiben lassen. Wenn t (Formel im Original vorhanden) der Zeitparameter, x(t) der Systemzustand, u(t) die Eingangsgröße und y(t) die Ausgangsgröße zum Zeitpunkt t ist (x, u, y haben Werte in Vektorräumen), so hat ein solches System z. B. die Gestalt (im Originaltext befinden sich hier Formeln und eine Grafik).
Der Systemzustand zum Zeitpunkt t ist dabei eine Größe, die sämtliche Informationen über die Vorgeschichte des Systems enthält, die für die weitere zeitliche Entwicklung des Systems relevant ist. Der Ausgang y beschreibt die Wirkung des Systems auf seine Umgebung, die von einem Beobachter außerhalb des Systems erfaßt werden kann. Der Eingang u beschreibt den Einfluß der Umgebung auf das System. Enthält u sogenannte Stellgrößen, d. h. Parameter, die im Laufe der Zeit beliebig variiert werden können, so haben wir ein Kontrollsystem vorliegen. Einen Regelkreis erhalten wir, wenn der Eingang u auch eine Funktion der Beobachtungen y ist. Im allgemeinen wird u daneben auch unbeeinflußbare und zeitlich nicht vorhersehbare Störungen beschreiben. In der stochastischen Kontrolltheorie berücksichtigt man zufällige Störeinflüsse auf ein System und auf die Messung der Beobachtungen jeweils durch Terme, in denen Prozesse mit dem Namen ‘Weißes Rauschen’ auftreten. Damit sind Systemzustand und Beobachtungen durch stochastische Prozesse zu beschreiben.
Hierbei sind U und V voneinander stochastisch unabhängige Brown'sche Bewegungen. In heuristischer Weise läßt sich ein weißes Rauschen als Zeitableitung einer Brown'schen Bewegung interpretieren, jedoch ist dies rein formal, da Brown'sche Bewegungen fast sicher nirgendwo differenzierbare Pfade haben, und weil ein weißes Rauschen W Eigenschaften besitzt, die kein gewöhnlicher stochastischer Prozeß besitzen kann, dessen Realisierungen Hilbertraum-wertige Funktionen sind.
Neben den beiden großen Themenbereichen ‘Stochastische Integration’ und ‘Lineares Filterproblem’ enthält diese Arbeit im Anhang Informationen u.a. über Vektorkonjugation, Kovarianz-Operatoren und Charakterisierung Brown'scher Bewegungen in separablen Hilberträumen, soweit für diese Arbeit erforderlich. Zu vielen anderen wahrscheinlich-keitstheoretischen Aspekten in Banachräumen ist die Lektüre des Buchs von N.N. VAKHANIA et al. sehr empfehlenswert.
Inhaltsverzeichnis:
| Notationen und Symbole | ix | |
| 1. | Stochastische Prozesse | 1 |
| 1.1 | Filtrierungen und stochastische Basen | 1 |
| 1.2 | Der Begriff des stochastischen Prozesses | 2 |
| 1.3 | Modifikation und P-Äquivalenz | 3 |
| 1.4 | Adaptierte stochastische Prozesse | 5 |
| 1.5 | Die σ-Algebra der vorhersagbaren Mengen | 6 |
| 2. | Zufallszeiten | 9 |
| 2.1 | Zufallszeiten: Definition und allgemeine Eigenschaften | 9 |
| 2.2 | Stoppzeiten | 9 |
| 2.3 | Lokalisierung und Prälokalisierung | 13 |
| 3. | Martingale, bedingte Erwartung und Doléans-Funktionen | 15 |
| 3.1 | Die bedingte Erwartung | 15 |
| 3.2 | Die Doléans-Funktion stochastischer Prozesse | 18 |
| 3.3 | Martingale, Submartingale und Supermartingale | 18 |
| 3.4 | Orthogonalinkrement-Prozesse | 23 |
| 4. | Stochastische Integration I. Einführung in die stochastische Integration | 25 |
| 4.1 | Stochastische Integration von Treppenfunktionen | 25 |
| 4.2 | Stochastische Integration bezüglich (L,J,K)-L²-primitiver Integratoren. Der Begriff des dominierenden Maßes | 27 |
| 4.3 | Dominierende Maße bei quadratintegrierbaren Martingalen | 39 |
| 4.4 | Dominierende Maße bei Prozessen von endlicher Variation. Zusammenhang zwischen stochastischem und Lebesgue-Stieltjes-Integral | 43 |
| 4.5 | Stochastische Integration bezüglich π-Prozessen | 46 |
| 4.6 | Ein Lemma zur Vertauschbarkeit von stochastischer und gewöhnlicher Integration | 48 |
| 5. | Stochastische Integration II. Quadratische Variation und Tensorvariation | 51 |
| 5.1 | Die quadratischen Variationsprozesse | 51 |
| 5.2 | Die reinen tensor-quadratischen Variationsprozesse | 66 |
| 5.3 | Die gemischt tensor-quadratischen Variationsprozesse | 76 |
| 5.4 | Kreuzvariationsprozesse | 78 |
| 5.5 | Quadratische und Tensor-Variationsprozesse bei cadlag quadrat-integrierbaren Martingalen | 83 |
| 6. | Stochastische Integration III. Ito-Formel und Ito-Isometrie | 85 |
| 6.1 | Vorbereitungen für die Ito-Formel | 85 |
| 6.2 | Ito-Formel | 88 |
| 6.3 | Transformationsformeln für Tensor-Variationsprozesse und Kovarianzen | 99 |
| 6.4 | Ito-Isometrie | 104 |
| 7. | Das lineare Filterproblem I. Einführung in das lineare Filterproblem | 109 |
| 7.1 | Die Situation beim allgemeinen Filterproblem | 109 |
| 7.2 | Situation und Spezialisierungen beim linearen Filterproblem | 111 |
| 7.3 | Einschub: Die Wiener-Hopf-Gleichung | 113 |
| 7.4 | Von der Definition des Schätzers zu einer ersten analytischen Darstellung | 116 |
| 8. | Das lineare Filterproblem II. Zum Problem der t-Meßbarkeit und Integral- Darstellbarkeit des Schätzers | 123 |
| 8.1 | Eine Integraldarstellung für | 123 |
| 8.2 | Die Konsequenzen der Wiener-Hopf-Gleichung | 124 |
| 8.3 | Die Fredholm'schen Integralgleichungen für den Schätzerkern k(t,u). Untersuchung der Integraloperatoren | 129 |
| 8.4 | Nachweis der t-Meßbarkeit des Integralkerns k(t,u) | 140 |
| 9. | Das lineare Filterproblem III. Vom Innovationsprozeß zum Kalman-Bucy- Filter-Theorem | 147 |
| 9.1 | Der Innovationsprozeß | 147 |
| 9.2 | Die innovative Brown'sche Bewegung | 153 |
| 9.3 | Erste Integraldarstellung des Schätzers in Abhängigkeit vom Systemprozeß | 155 |
| 9.4 | Der Systemprozeß X als Lösung einer stochastischen Integralgleichung | 157 |
| 9.5 | Der martingalisierte Systemprozeß | 163 |
| 9.6 | Kovarianzfunktionen und Schätzfehlerfunktion | 164 |
| 9.7 | Explizite Integraldarstellung des Schätzers unter Benutzung der Schätzfehlerfunktion | 166 |
| 9.8 | Eigenschaften der Schätzfehler- und Kovarianzfunktionen. Die Schätzfehlerfunktion als Lösung einer Riccati'schen Differentialgleichung | 168 |
| 9.9 | Das Kalman-Bucy-Filter-Theorem | 170 |
| A Mehrfachintegralsätze | 173 | |
| B Der Volterra'sche Integraloperator mit L²-Kern | 177 | |
| C Differentiation in Banachräumen | 183 | |
| C.1 Die Fréchet'sche Ableitung | 183 | |
| C.2 Mehrfache Ableitungen. Der Satz von Taylor mit Integralrestglied in tensorieller Notation | 184 | |
| D Hilbert-Schmidt-Norm und -Skalarprodukt | 187 | |
| E Vektorkonjugation und kanonische Isometrie | 189 | |
| E.1 Vektorkonjugation | 189 | |
| E.2 Operatorkonjugation | 190 | |
| E.3 Kanonische Isometrie | 191 | |
| E.4 Die Wirkung des Tensorprodukts von Operatoren | 191 | |
| F Kovarianz-Operatoren bei Hilbertraum-wertigen Zufallsgrößen | 193 | |
| G Gauß'sche Zufallsgrößen und Prozesse | 199 | |
| G.1 Gauß'sche Zufallsgrößen | 199 | |
| G.2 Gauß'sche Prozesse | 203 | |
| H Brown'sche Bewegungen | 207 | |
| H.1 Die reelle eindimensionale Brown'sche Bewegung | 207 | |
| H.2 Die komplexe eindimensionale Brown'sche Bewegung | 211 | |
| H.3 Brown'sche Bewegungen mit Werten in separablen Hilberträumen | 215 | |
| Literaturverzeichnis | 221 | |
| Danksagung | 225 |
Textprobe:
Gerne senden wir Ihnen unter Angabe der Studiennummer 13809 eine Textprobe per E-Mail zu.
58,00 €
PDF-eBook Download: 58,00 €
Link zur Arbeit:
http://www.diplom.de/ean/9783836638098
Arbeit zitieren:
Narjes, Torsten September 1992: Das lineare Filterproblem in separablen Hilberträumen, Hamburg: Diplomica Verlag
Schlagworte:
stochastische Integration, Ito-Formel, Lineare Kontrolltheorie, Kalman Bucy Filter, Brownsche Bewegung



