Erneuerungsprozess - LinkFang.de





Erneuerungsprozess


Ein Erneuerungsprozess ist ein spezieller stochastischer Prozess, der in der Erneuerungstheorie untersucht wird. Er ist ein Zählprozess, dessen Zwischenankunftszeiten unabhängige, identisch verteilte, nichtnegative Zufallsvariablen sind.

Begriffsherkunft

Der Begriff Erneuerung hat seinen Ursprung in industriellen Anwendungen der Wahrscheinlichkeitsrechnung. Typischerweise besitzen Systemkomponenten (z. B. Maschinen, Werkzeuge, Beleuchtungskörper) Lebenszeiten, die den Charakter nichtnegativer Zufallsvariablen haben. Wenn solche Komponenten ausfallen, müssen sie durch gleichartige Komponenten ersetzt (erneuert) werden, um das Funktionieren des Systems zu gewährleisten.

Definitionen

[math]X_i, i=1,2,\dotsc[/math] seien die Zwischenankunftszeiten, z. B. die Lebenszeiten von Komponenten. Diese Zufallsvariablen werden als unabhängig und identisch verteilt angenommen. Außerdem seien die [math]X_i[/math] fast sicher positiv mit Erwartungswert [math]0 \lt E(X_i) \lt \infty[/math].

[math](X_i)_{i \in \mathbb{N}}[/math] wird als Erneuerungsfolge bezeichnet.

Ihre gemeinsame Verteilungsfunktion werde mit [math]F[/math] bezeichnet, das heißt, es gilt [math]F(t)=P(X_i \le t)[/math]. Falls die [math]X_i[/math] eine Wahrscheinlichkeitsdichte besitzen, wird diese mit [math]f[/math] bezeichnet.

Weiter sei [math]S_n[/math] der Zeitpunkt der [math]n[/math]-ten Erneuerung, das heißt

[math]S_n=\sum_{i=1}^n X_i,\qquad S_0\equiv 0.[/math]

Die Verteilung von [math]S_n[/math] werde mit [math]F_n[/math] bezeichnet, d.h. [math]F_n(t) = P(S_n \le t) [/math]

Der Erneuerungsprozess [math]\{N(t), t\ge 0\}[/math] ist nun der durch

[math]N(t) = \sup\{n\in \N_0|\,S_n\le t\}[/math]

definierte stochastische Prozess, das heißt [math]N(t)[/math] ist die Anzahl der Erneuerungen bis zum Zeitpunkt [math]t[/math].

Die Äquivalenz der Beschreibung über [math]N(t)[/math] und [math]S_n[/math] kommt in folgender grundlegenden Beziehung zum Ausdruck

[math]\{N(t) \ge n\}=\{S_n \le t\}[/math]

Beide Mengen enthalten genau diejenigen Elemente des zugrunde liegenden Wahrscheinlichkeitsraums, für die bis zum Zeitpunkt [math]t[/math] mindestens [math]n[/math] Erneuerungen stattgefunden haben.

Eigenschaften

[math]S_n[/math] ist Summe identisch verteilter, unabhängiger Zufallsvariablen, daher ist [math]F_n[/math] die [math]n[/math]-fache Faltung der Verteilung [math]F[/math] und wird rekursiv wie folgt berechnet

[math]F_n(t) = \int_{0}^{t} F_{n-1}(s) f(t-s) ds [/math],

wobei [math] f [/math] die Wahrscheinlichkeitsdichte von oben ist.

Es gilt [1]

[math] P(N(t)=n) = P(S_n \leq t)-P(S_{n+1} \leq t) = F_n(t)-F_{n+1}(t) [/math]

Mit obiger Notation sehen wir, dass folgende Integralgleichung erfüllt ist.

[math] \begin{matrix} P(N(t)=n) &=& \int_{0}^{t} P(N(s)=n-1) f(t-s) ds \\ \end{matrix} [/math]

Beweis

Wir gehen von [math] P(N(t)=n) = F_n(t)-F_{n+1}(t)[/math] aus und ersetzen [math] F_n(t)=\int_{0}^{t} F_{n-1}(s) f(t-s) ds[/math] und [math] F_{n-1}(t)=\int_{0}^{t} F_{n-2}(s) f(t-s) ds [/math] ein und erhalten
[math] P(N(t)=n) = \int_{0}^{t} F_{n-1}(s) f(t-s) ds - \int_{0}^{t} F_{n-2}(s) f(t-s) ds[/math]
Nach Zusammenfassen der Integrale und unter Beachtung von [math] F_{n-1}(s)-F_{n-2}(s)=P(N(s)=n-1) [/math] folgt die Behauptung.

Die eben dargestellte Integralgleichung dient als Ausgangspunkt einer Theorie von Zählprozessen, deren Wartezeiten nicht exponentialverteilt sind.[2][3] Sie ist somit eine Basis für die Generalisierung der Theorie der Poissonprozesse.

Die mittlere Anzahl der Erneuerungen im Zeitintervall [math](0,t)[/math] heißt Erneuerungsfunktion und wird mit [math]m[/math] bezeichnet. Es gilt

[math] m(t)=E[N(t)] = \sum_{n=1}^\infty n\left[F_n(t)-F_{n+1}(t)\right]=\sum_{n=1}^\infty F_n(t) \, [/math]

Einzelnachweise

  1. Geoffry R. Grimmett, David R. Stirzaker Probability and Random Processes. Clarendon Press, Oxford 1982, ISBN 0-19-853185-0.
  2. Rainer Winkelmann: Duration Dependence and Dispersion in Count Data. In: Journal of Business & Economic Statistics. 13(4), 1995, S. 467–474.
  3. Blake McShane, Moshe Adrian, Eric T. Bradlow, Peter S. Fader: Count Models Based On Weibull Interarrival Times. In: Journal of Business & Economic Statistics. 26(3), 2008, S. 369–378.

Kategorien: Stochastik

Quelle: Wikipedia - http://de.wikipedia.org/wiki/Erneuerungsprozess (Vollständige Liste der Autoren des Textes [Versionsgeschichte])    Lizenz: CC-by-sa-3.0

Änderungen: Alle Bilder mit den meisten Bildunterschriften wurden entfernt. Ebenso alle zu nicht-existierenden Artikeln/Kategorien gehenden internen Wikipedia-Links (Bsp. Portal-Links, Redlinks, Bearbeiten-Links). Entfernung von Navigationsframes, Geo & Normdaten, Mediadateien, gesprochene Versionen, z.T. ID&Class-Namen, Style von Div-Containern, Metadaten, Vorlagen, wie lesenwerte Artikel. Ansonsten sind keine Inhaltsänderungen vorgenommen worden. Weiterhin kann es durch die maschinelle Bearbeitung des Inhalts zu Fehlern gerade in der Darstellung kommen. Darum würden wir jeden Besucher unserer Seite darum bitten uns diese Fehler über den Support mittels einer Nachricht mit Link zu melden. Vielen Dank!

Stand der Informationen: August 201& - Wichtiger Hinweis: Da die Inhalte maschinell von Wikipedia übernommen wurden, ist eine manuelle Überprüfung nicht möglich. Somit garantiert LinkFang.de nicht die Richtigkeit und Aktualität der übernommenen Inhalte. Sollten die Informationen mittlerweile fehlerhaft sein, bitten wir Sie darum uns per Support oder E-Mail zu kontaktieren. Wir werden uns dann innerhalb von spätestens 10 Tagen um Ihr Anliegen kümmern. Auch ohne Anliegen erfolgt mindestens alle drei Monate ein Update der gesamten Inhalte.