Nichtlineare Methoden zur Quantifizierung von Abhängigkeiten und ...
Nichtlineare Methoden zur Quantifizierung von Abhängigkeiten und ...
Nichtlineare Methoden zur Quantifizierung von Abhängigkeiten und ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
115<br />
Dies ist die Log-Summen-Ungleichung.<br />
✷<br />
Satz 3 (Ein-dimensionaler Kernschätzer) Ist die Wahrscheinlichkeitsdichte<br />
g einer ein-dimensionalen Zufallsvariablen X zweimal differenzierbar <strong>und</strong> gilt für<br />
den Kern K<br />
∫<br />
∫<br />
∫<br />
K(u) du = 1 , u K(u) du = 0 , u 2 K(u) du < ∞ ,<br />
so ist der Kernschätzer der Dichte g<br />
erwartungstreu, dass heißt<br />
ĝ ε (x) = 1<br />
N ε<br />
N∑<br />
( )<br />
x − X(ωn )<br />
K<br />
ε<br />
n=1<br />
E [g ε (x)]<br />
ε→0<br />
−−→ g(x) .<br />
Beweis: Für den Erwartungswert <strong>von</strong> g ε (x) gilt:<br />
∫<br />
1<br />
N∑<br />
( )<br />
x − X(ωn )<br />
E [g ε (x)] =<br />
K<br />
P (dω 1 , . . . , dω N )<br />
N ε<br />
ε<br />
n=1<br />
= 1 N∑<br />
∫ ( )<br />
x − X(ωn )<br />
K<br />
P (dω n )<br />
N ε<br />
ε<br />
n=1<br />
= 1 ∫ ( )<br />
x − X(ω1 )<br />
K<br />
P (dω 1 ) = 1 ∫ ( ) x − y<br />
K g(y) dy<br />
ε<br />
ε<br />
ε ε<br />
∫<br />
= K(u) g(x − ε u) du .<br />
Da g zweimal differenzierbar ist, kann die Dichte in eine Taylorsche Reihe um x<br />
entwickelt werden,<br />
g(x − ε u) = g(x) − ∂g(x)<br />
∂x ε u + 1 ∂ 2 g(˜x)<br />
ε 2 u 2 ,<br />
2 ∂x 2<br />
mit ˜x ∈ [x − ε u, x]. Dies eingesetzt in die vorherige Gleichung <strong>und</strong> unter Berücksichtigung<br />
der Eigenschaften <strong>von</strong> K liefert die Behauptung<br />
E [g ε (x)] = g(x) + ε2<br />
2 · Rest ε→0<br />
−−→ g(x) .<br />
✷