Dies ist eine alte Version dieser Seite, zuletzt bearbeitet am 9. Oktober 2015 um 09:20 Uhr durch Williwilli(Diskussion | Beiträge)(Auszeichnungsfehler korrigiert | Helfer gesucht). Sie kann sich erheblich von der aktuellen Version unterscheiden.
Sei eine Familie von Zufallsvariablen und eine messbare Funktion, sodass gilt: . Sei zudem eine eindeutige Lösung gegeben sodass .
Dann heißt die Folge von Zufallsvariablen gegeben durch
Robbins-Monro-Prozess, wobei eine beliebige reelle Konstante und eine Folge reeller Konstanten mit sei.
Konvergenz von Xn gegen θ
Unter den folgenden vier Bedingungen konvergiert in gegen [1] :
,
ist monoton wachsend,
existiert,
genügt folgenden Bedingungen:
Einfaches Beispiel
Seien um verschobene Sinusfunktionen zwischen und mit zufälligen Schwankungen , die an den Rändern linear fortgesetzt werden.
Wobei unabhängige, gleichverteilte Zufallsvariablen in sind.
Sei außerdem und . Dann konvergiert gegen .
Schaubild mit 5 verschiedenen Pfaden und 300 Iterationen. Die gestrichelte Linie bezeichnet dabei den Grenzwert .
Einzelnachweise
↑Herbert Robbins, Sutton Monro: A Stochastic Approximation Method. In: The Annals of Mathematical Statistics. 22, Nr. 3, 1951, S. 405 Theorem 2.
Literatur
Herbert Robbins, Sutton Monro: A Stochastic Approximation Method. In: The Annals of Mathematical Statistics. 22, Nr. 3, 1951, S. 400–407(PDF-Datei; 514KB).
Marie Duflo: Random Iterative Models, Springer Verlag, 1997.