Bachelorarbeit, 2016
40 Seiten, Note: 1,7
1. Einführung in das Thema
2. Grundlagen
3. Verfeinerungen des zentralen Grenzwertsatzes
3.1. Berry-Esséen
3.2. Asymptotische Erweiterungen
3.3. Große Abweichungen
4. Funktionaler Zentraler Grenzwertsatz
4.1. Grundlagen stochastischer Prozesse
4.2. Funktionaler zentraler Grenzwertsatz für α = 2
4.3. Funktionaler zentraler Grenzwertsatz für α ≠ 2
5. Zusammenfassung und Ausblick
Die vorliegende Arbeit untersucht Verfeinerungen des zentralen Grenzwertsatzes (ZGS) sowie deren Übertragung auf stochastische Prozesse. Das primäre Ziel ist es, die Konvergenzgeschwindigkeit zu analysieren, durch zusätzliche Terme zu verbessern und die theoretischen Aussagen auf den Bereich der stochastischen Prozesse zu erweitern, wobei ein besonderer Schwerpunkt auf der Approximation durch die Brownsche Bewegung und allgemeine α-stabile Bewegungen liegt.
3. Verfeinerungen des zentralen Grenzwertsatzes
Wir betrachten nun eine Folge unabhängig identisch verteilter Zufallsvariablen (Xn) mit Erwartungswert μ < ∞, Varianz σ² < ∞ und zweitem Moment E[X²] < ∞. Nach Korollar 2.6 befinden sich diese Zufallsvariablen also im Anziehungsbereich einer Normalverteilung und erfüllen die Voraussetzungen des zentralen Grenzwertsatzes wie in Fall (i) von Satz 2.11. Es gilt also
Sn − nμ / σ√n → Φ.
Diese Aussage gibt allerdings keine Auskunft über die Güte bzw. die Geschwindigkeit der Konvergenz. Gerade, weil wir durch die eher schwache Einschränkung über die Existenz des zweiten Moments eine sehr große Grundgesamtheit an Verteilungen betrachten, ist anzunehmen, dass diese je nach betrachteter Verteilung mitunter stark variiert.
Die Grundfrage dieses Kapitels ist deswegen:
Wie kann man die Qualität der Konvergenz des zentralen Grenzwertsatzes bestimmen und verbessern?
Dies ist auch deshalb wichtig, weil wir keine Untergrenze für den Stichprobenumfang angegeben haben, was die Frage aufwirft, ab welchem Wert für n die Approximation für gegebene Verteilungen überhaupt Sinn macht. Einer der Indikatoren für die Konvergenzgüte ist hierbei, wie wir noch sehen werden, die Existenz höherer Momente. Dies ist auch intuitiv, wenn man beachtet, dass der k-te Moment einer Standardnormalverteilung für jedes k ∈ N existiert (siehe dazu A.11). Wir werden deshalb in den ersten zwei Unterkapiteln versuchen, anhand der gegebenen existierenden Momente immer feinere Abschätzungen bzw. Approximationen herzuleiten.
1. Einführung in das Thema: Hinführung zur Bedeutung des zentralen Grenzwertsatzes in der modernen Stochastik und Darstellung der Zielsetzung der Arbeit.
2. Grundlagen: Zusammenstellung essenzieller Definitionen, insbesondere zu stabilen Verteilungen und den notwendigen Momenten für den zentralen Grenzwertsatz.
3. Verfeinerungen des zentralen Grenzwertsatzes: Analyse der Konvergenzgeschwindigkeit durch Berry-Esséen, asymptotische Erweiterungen und die Theorie großer Abweichungen.
4. Funktionaler Zentraler Grenzwertsatz: Übertragung der Aussagen auf stochastische Prozesse mit Fokus auf die Brownsche Bewegung und die Verallgemeinerung auf α-stabile Prozesse.
5. Zusammenfassung und Ausblick: Resümee der erzielten Ergebnisse hinsichtlich der Konvergenzverbesserungen und der funktionalen Übertragungen auf stochastische Prozesse.
Zentraler Grenzwertsatz, Stochastische Prozesse, Konvergenzgeschwindigkeit, Berry-Esséen, Asymptotische Erweiterung, Große Abweichungen, Brownsche Bewegung, α-stabile Verteilung, Funktionaler zentraler Grenzwertsatz, Normalverteilung, Stichprobenmittel, Stabile Bewegung, Konvergenz, Wahrscheinlichkeitstheorie, Finanzmathematik.
Die Arbeit behandelt mathematische Aspekte des zentralen Grenzwertsatzes, wobei insbesondere die Genauigkeit der Approximation und deren Erweiterung auf Prozesse im Zeitverlauf (stochastische Prozesse) untersucht werden.
Die Kerngebiete umfassen die klassische Grenzwerttheorie, die Analyse von Konvergenzraten, die Approximation durch die Normalverteilung sowie die Modellierung stochastischer Prozesse mittels Brownschen und α-stabilen Bewegungen.
Das Hauptziel ist die Verbesserung und Verfeinerung der Aussagen über die Konvergenz gegen eine Grenzverteilung, um für praktische Anwendungen in der Finanzmathematik präzisere Abschätzungen zu ermöglichen.
Es kommen Methoden der Wahrscheinlichkeitstheorie zum Einsatz, insbesondere Taylor-Entwicklungen charakteristischer Funktionen, Edgeworth-Erweiterungen sowie das "Continuous Mapping Theorem" für funktionale Konvergenz.
Der Hauptteil gliedert sich in die quantitative Analyse von Fehlergrenzen für den klassischen ZGS (Kapitel 3) und die theoretische Übertragung dieser Konzepte auf Pfade stochastischer Prozesse (Kapitel 4).
Zentrale Begriffe sind der zentrale Grenzwertsatz, α-stabile Bewegungen, Konvergenzgeschwindigkeit und die Brownsche Bewegung als Grenzprozess.
Sie bieten eine theoretische Obergrenze für den Approximationsfehler bei der Annäherung an die Normalverteilung und geben Aufschluss darüber, wie schnell die Konvergenz gegen Null geht.
Während der klassische ZGS lediglich die Verteilung der Summe an einem festen Punkt betrachtet, liefert der funktionale ZGS eine Aussage über das gesamte Verhalten des Prozesses im Zeitverlauf.
Der Fall α = 2 führt zur Brownschen Bewegung mit stetigen Pfaden, während bei α < 2 Sprungprozesse auftreten, was die theoretische Handhabung und die Art der Grenzprozesse grundlegend verändert.
Der GRIN Verlag hat sich seit 1998 auf die Veröffentlichung akademischer eBooks und Bücher spezialisiert. Der GRIN Verlag steht damit als erstes Unternehmen für User Generated Quality Content. Die Verlagsseiten GRIN.com, Hausarbeiten.de und Diplomarbeiten24 bieten für Hochschullehrer, Absolventen und Studenten die ideale Plattform, wissenschaftliche Texte wie Hausarbeiten, Referate, Bachelorarbeiten, Masterarbeiten, Diplomarbeiten, Dissertationen und wissenschaftliche Aufsätze einem breiten Publikum zu präsentieren.
Kostenfreie Veröffentlichung: Hausarbeit, Bachelorarbeit, Diplomarbeit, Dissertation, Masterarbeit, Interpretation oder Referat jetzt veröffentlichen!

