Zusammenfassung
Wie schon die Beispiele des Poisson- und des Wiener-Prozesses zeigten, liegen bei allgemeinen stochastischen Prozessen X T = (Ω, S, P,(X t )t∈T) mit der Parametermenge T ⊂ IR1 i.a. stochastische Abhängigkeiten zwischen den Zufallsgrößen Xt vor. Für jeden “Zeitpunkt“ t ∈ T hängt somit die künftige Entwicklung des Prozesses i.a. davon ab, wie sich der Prozeß bis dahin verhalten hat — die Kenntnis der Entwicklung bis zum (gegenwärtigen) Zeitpunkt t liefert dann also Informationen über den zukünftigen Verlauf des Prozesses. Diese Anmerkungen deuten bereits darauf hin, daß die Gesamtheit der Ereignisse, die in relevantem Zusammenhang mit dem Verlauf von XT bis zum Zeitpunkt t stehen, für die Untersuchung der künftigen (stochastischen) Entwicklung von XT wichtig sein wird. Im folgenden geht es zunächst darum, diese noch vagen Vorstellungen mathematisch zu präzisieren und besonders wichtige Spezialfälle zu untersuchen. Als erstes soll die anschauliche Vorstellung über die Gesamtheit sämtlicher bis zum Zeitpunkt t relevanten Ereignisse in das mathematische Modell stochastischer Vorgänge übersetzt werden. Von einer Familie von Mengensystemen S t , welche diese Gesamtheiten beschreiben, werden wir verlangen.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 1996 B. G. Teubner Stuttgart
About this chapter
Cite this chapter
Schmitz, N. (1996). Martingale. In: Vorlesungen über Wahrscheinlichkeitstheorie. Teubner Studienbücher Mathematik. Vieweg+Teubner Verlag. https://doi.org/10.1007/978-3-322-89225-6_11
Download citation
DOI: https://doi.org/10.1007/978-3-322-89225-6_11
Publisher Name: Vieweg+Teubner Verlag
Print ISBN: 978-3-519-02572-6
Online ISBN: 978-3-322-89225-6
eBook Packages: Springer Book Archive