(vgl. O. Häggström (2002) Finite Markov Chains and
Algorithmic Applications. CU Press, Cambridge)
Wir betrachten einen verbundenen Graph
mit der Menge
von (endlich vielen)
Eckpunkten
und mit einer gewissen Menge
von Kanten, die
jeweils zwei Eckpunkte miteinander verbinden.
Jedem Eckpunkt aus wird entweder der Wert 0 oder
zugeordnet,
wobei die folgende Menge
von zulässigen Konfigurationen betrachtet wird,
für die keinem Paar von verbundenen Eckpunkten gleichzeitig der
Wert zugeordnet wird, vgl. die Abbildung 4.
Um unter den zulässigen Konfigurationen
,,auf gut
Glück'' auswählen zu können, betrachten wir die (diskrete)
Gleichverteilung
auf der Menge mit
(30)
wobei die Anzahl aller zulässigen Konfigurationen
bezeichnet.
Abbildung:
Quadratisches Gitter der Größe , wobei die
schwarz gesetzten Pixel dem Wert
entsprechen
[width=7cm, angle=1800]bild4.eps
Wenn die Anzahlen und der Eckpunkte und Kanten des
verbundenen Graphen große Zahlen sind,
dann ist die explizite Beschreibung der Menge der zulässigen
Konfigurationen im allgemeinen schwierig,
die Anzahl aller zulässigen Konfigurationen ist deshalb
typischerweise unbekannt,
und die Formel (30) kann somit nicht direkt zur
Simulation von ,,zufällig ausgewählten'' zulässigen
Konfigurationen genutzt werden.
MCMC-Simulationsalgorithmus
Eine alternative Simulationsmethode besteht darin, eine
Markov-Kette
zu konstruieren,
mit dem Zustandsraum und mit einer (geeignet gewählten)
irreduziblen und aperiodischen Übergangsmatrix
,
so dass die ergodische (Grenz-) Verteilung
der
Markov-Kette
durch (30)
gegeben ist.
Dabei erzeugen wir einen ,,Pfad''
der
Markov-Kette, und zwar mit Hilfe der rekursiven Konstruktion von
Markov-Ketten, die bereits in Abschnitt 2.1.3
diskutiert wurde:
Wähle eine zulässige Anfangskonfiguration
.
Wähle ,,auf gut Glück'' einen beliebigen Eckpunkt und
wirf eine faire Münze.
Falls das Ereignis ,,Wappen'' eintritt und falls für
sämtliche Eckpunkte gilt, die mit verbunden
sind, dann setze
; ansonsten setze
.
Die Werte sämtlicher Eckpunkte bleiben unverändert,
d.h., es gilt
für jedes .
Beachte
Um die Schritte 2 - 4 dieses Algorithmus zu implementieren, muss
die in (2.19) betrachtete ,,Update-Funktion''
entsprechend spezifiziert werden.
Das Einheitsintervall wird dabei in gleichlange
Teilintervalle (der Länge ) zerlegt,
die den Ereignissen , Wappen), , Zahl), ,
, Wappen), , Zahl) entsprechen,
und es gilt
mit
(31)
Aus dem folgenden Theorem ergibt sich, dass für hinreichend großes
die -te Rückgabe
des
Algorithmus näherungsweise als ,,zufällig ausgewählte'' (d.h.
gemäß
-verteilte) zulässige Konfiguration angesehen werden
kann.
Sei
die Übergangsmatrix des in
betrachteten MCMC-Algorithmus für das
Hard-Core-Modell, und sei
die in
gegebene Wahrscheinlichkeitsfunktion.
Dann ist
irreduzibel und aperiodisch, und das Paar
ist reversibel.
Beweis
Um die Aperiodizität von
zu
zeigen, genügt es zu beachten, dass sämtliche Diagonalelemente
von
von
positiv sind.
Die Irreduzibilität von
ergibt sich aus den folgenden
Überlegungen.
Seien
zwei zulässige Konfigurationen,
und seien
bzw.
die Anzahlen der auf
gesetzten Eckpunkte der Konfigurationen
bzw.
.
Dann ist zunächst der Übergang
in
den ,,Nullzustand''
in
Schritten mit
positiver Wahrscheinlichkeit möglich, wobei
für
jedes gilt.
Dabei werden (jeweils mit positiver Wahrscheinlichkeit) die
ursprünglich auf gesetzten Eckpunkte von
der Reihe
nach auf 0 gesetzt.
Anschließend kann man auf ähnliche Weise in
Schritten mit jeweils positiver Wahrscheinlichkeit vom
,,Nullzustand''
in den Zustand
übergehen.
Hieraus ergibt sich insgesamt, dass der Übergang
in endlich vielen Schritten mit
positiver Wahrscheinlichkeit möglich ist.
Es ist nun noch die Gültigkeit der Detailed-Balance-Gleichung
(2.85) zu zeigen, d.h., dass
(32)
Wenn die Konfigurationen
übereinstimmen,
dann ist die Gültigkeit von (32) offensichtlich.
Wenn
für mehr als einen Eckpunkt ,
dann gilt
, und
(32) gilt somit auch in diesem Fall.
Es gelte nun
für ein und
für alle .
Dann gilt
für sämtliche Eckpunkte ,
die mit verbunden sind, und folglich ist
Beachte
Für jedes
sei
die Anzahl der auf
gesetzten Eckpunkte der zulässigen Konfiguration
.
Wenn die zulässige Konfiguration ,,auf gut Glück'' ausgewählt
wird, dann gilt für den Erwartungswert
der zufalligen
Anzahl der auf gesetzten Eckpunkte, dass
(33)
Wenn eine große Zahl ist, dann ist jedoch die direkte
Bestimmung des Erwartungswertes
mit Hilfe von Formel
(33) im allgemeinen nicht möglich, weil die
analytische Bestimmung der Anzahlen
schwierig ist.
Eine alternative Methode zur (näherungsweisen) Bestimmung des
Erwartungswertes
beruht auf der Erzeugung von
,,zufällig ausgewählten'' zulässigen Konfigurationen
mit
Runs des oben beschriebenen Algorithmus der MCMC-Simulation.
Das arithmetische Mittel
liegt wegen des starken Gesetzes der großen Zahlen (mit hoher
Wahrscheinlichkeit) nahe bei
, falls die Runlänge und
der Stichprobenumfang jeweils hinreichend groß sind.