Bei der in Abschnitt 3.5.1 diskutierten
Vorwärtskopplung ist der Anfangspunkt 0 der Simulation deterministisch, wogegen der Endpunkt, d.h. der
Kopplungszeitpunkt zufällig ist.
Dabei stimmt die Zustandsverteilung der Markov-Kette
zum Kopplungszeitpunkt im allgemeinen nicht mit der
stationären Grenzverteilung
überein.
Deshalb betrachten wir nun ein anderes Kopplungsverfahren,
das in der Literatur Coupling-from-the-Past (CFTP) bzw. Rückwärtskopplung genannt wird und
das in der Mitte der 90-er Jahre von Propp und Wilson am Massachusetts Institute of Technology (MIT) entwickelt worden
ist.
Dabei gehen wir zwar auf ähnliche Weise wie in
Abschnitt 3.5.1 vor, wählen jedoch jetzt den
Anfangspunkt der Simulation zufällig, wogegen der Endpunkt
deterministisch ist.
Mit anderen Worten: Wir ,,starten'' die Markov-Ketten
nicht zum ,,Zeitpunkt''
0,
sondern hinreichend weit in der ,,Vergangenheit'', so dass
spätestens bis zum ,,Zeitpunkt'' 0 sämtliche Pfade miteinander
verschmolzen sind.
Um diese Vorgehensweise mathematisch präzise formulieren zu
können, führen wir die folgenden Bezeichnungen ein.
Für jeden potentiellen ,,Startzeitpunkt''
und für jedes
sei
eine homogene Markov-Kette mit dem endlichen Zustandsraum
mit dem (deterministischen) Anfangszustand
und mit der irreduziblen und
aperiodischen Übergangsmatrix
,
so dass
die ergodische (Grenz-)
Verteilung der Markov-Kette
ist.
Für jedes
betrachten wir
eine Folge
von
unabhängigen und -gleichverteilten Zufallsvariablen,
wobei wir
(ähnlich wie in
Abschnitt 3.5.1) Innovation im -ten
Schritt bei Vorliegen des Zustandes
nennen.
Dabei betrachten wir erneut die beiden Fälle,
dass die Innovationen-Folgen
entweder unabhängig sind oder
dass
gilt.
Die Markov-Kette
sei rekursiv durch eine gültige
Update-Funktion
gegeben, d.h., es
gelte
(90)
Definition
Die Zufallsvariable
heißt CFTP-Kopplungszeit, wobei
gesetzt wird, falls es
keine natürliche Zahl gibt mit
.