Zusammenfassung
Bereits im 11. Kapitel haben wir Markov-Prozesse zu gegebenen Übergangswahrscheinlichkeiten und Anfangsverteilung durch ihre endlich-dimensionalen Verteilungen eingeführt. Mit Hilfe der bedingten Erwartung konnten wir Markov-Prozesse dann allgemein definieren. Wir wollen sie jetzt genauer untersuchen. Vor allem werden wir Markov-Prozesse behandeln, deren infinitesimales Verhalten wie im Fall von Markov’schen Sprungprozessen z. B. durch Modellannahmen vorgegeben ist. Es wird dargestellt durch den infinitesimalen Generator. Dabei spielen wieder Vorwärts- und Rückwärtsgleichungen, die in diesem Fall partielle Differenzialgleichungen sind, eine wichtige Rolle. Die funktionalanalytische Theorie der Halbgruppen, die wir behandeln werden, soweit wir sie benötigen, wird sich als wichtiges Hilfmittel herausstellen. Anschließend beweisen wir unter geeigneten Voraussetzungen die Realisierbarkeit von Markov-Prozessen mit regulären Pfaden und die starke Markov Eigenschaft.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsAuthor information
Authors and Affiliations
Rights and permissions
Copyright information
© 2014 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Mürmann, M. (2014). Markov-Prozesse. In: Wahrscheinlichkeitstheorie und Stochastische Prozesse. Springer-Lehrbuch Masterclass. Springer Spektrum, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-38160-7_16
Download citation
DOI: https://doi.org/10.1007/978-3-642-38160-7_16
Published:
Publisher Name: Springer Spektrum, Berlin, Heidelberg
Print ISBN: 978-3-642-38159-1
Online ISBN: 978-3-642-38160-7
eBook Packages: Life Science and Basic Disciplines (German Language)