Nächste Seite: Abschätzung der Konvergenzgeschwindigkeit; Perron-Frobenius-Theorem
Aufwärts: Ergodizität und Stationarität
Vorherige Seite: Ergodizität und Stationarität
  Inhalt
Grundlegende Definitionen und quasi-positive
Übergangsmatrizen
- Wenn die Anzahl
der potentiell möglichen Zustände der
Markov-Kette
sehr groß ist, dann ist die in
Abschnitt 2.1.4 diskutierte Spektraldarstellung
(30) der
-stufigen Übergangsmatrix
kein geeignetes Hilfsmittel, um
- die bedingten (Einzel-) Wahrscheinlichkeiten
des zufälligen Zustandes
- bzw. die (unbedingten) Wahrscheinlichkeiten
von
nach
(Zeit-) Schritten zu berechnen.
- Man kann jedoch Bedingungen angeben,
- unter denen die Grenzwerte
bzw.
existieren (gleich sind und nicht von
abhängen),
- so dass anstelle von
bzw.
der Grenzwert
als Näherungslösung berechnet werden kann, falls
.
Dies führt zu dem folgenden Begriff der Ergodizität
von Markov-Ketten.
- Definition
Die Markov-Kette
mit der Übergangsmatrix
bzw. den zugehörigen
-stufigen
Übergangsmatrizen
) heißt
ergodisch, falls die Grenzwerte
 |
(33) |
- für jedes
existieren,
- positiv sind und nicht von
abhängen,
- eine Wahrscheinlichkeitsfunktion
bilden, d.h.,
.
- Beispiel
(Wettervorhersage)
- Um den Begriff der Ergodizität von Markov-Ketten zu verdeutlichen,
kehren wir zunächst zu dem einfachen Beispiel der Wettervorhersage
zurück, das bereits in den Abschnitten 2.1.2 und
2.1.4 diskutiert wurde.
- Sei also
, und sei
eine beliebige Übergangsmatrix mit
.
- Die
-stufige Übergangsmatrix
ist gegeben
durch
- Falls
, dann ergibt sich hieraus und aus
(26), dass
bzw.
 |
(34) |
wobei die Grenzverteilung
in (34) nicht von der Wahl der Anfangsverteilung
abhängt.
- Wenn jedoch
, dann gilt
Die Ergodizität von Markov-Ketten mit allgemeinem (endlichen)
Zustandsraum lässt sich mit Hilfe des folgenden Begriffes aus der
Theorie positiver Matrizen charakterisieren.
- Definition
-
- Die
Matrix
heißt nichtnegativ, falls sämtliche Eintragungen
von
nichtnegativ sind.
- Die nichtnegative Matrix
heißt quasi-positiv, falls
es eine natürliche Zahl
gibt, so dass sämtliche
Eintragungen von
positiv sind.
- Beachte
-
Falls
eine stochastische Matrix ist,
für die es eine natürliche Zahl
gibt, so dass sämtliche
Eintragungen von
positiv sind, dann sind auch
sämtliche Eintragungen von
für jede natürliche
Zahl
positiv.
Theorem 2.4
Die Markov-Kette

mit dem Zustandsraum

und der Übergangsmatrix

ist genau
dann ergodisch, wenn

quasi-positiv ist.
- Beweis
-
- Wir zeigen zunächst, dass die Bedingung
 |
(35) |
für ein
hinreichend für die Ergodizität von
ist.
- Sei
und
. Aus der
Chapman-Kolmogorov-Gleichung (23) ergibt sich dann,
dass
und somit
d.h.,
für jedes
, wobei wir
setzen. Auf die gleiche Weise ergibt sich,
dass
für jedes
gilt.
- Um die Existenz der Grenzwerte
in (33) zu
beweisen, genügt es also zu zeigen, dass für jedes
 |
(36) |
- Hierfür betrachten wir für beliebige, jedoch fest vorgegebene
Zustände
die Mengen
und
.
- Sei
. Dann gilt
und
- Durch die erneute Anwendung der Chapman-Kolmogorov-Gleichung
(23) ergibt sich hieraus, dass für beliebige
und
- Hieraus folgt, dass
und (mit vollständiger Induktion) dass für jedes
 |
(37) |
- Es gibt also eine (unbegrenzt wachsende) Folge
von natürlichen Zahlen, so dass für jedes
 |
(38) |
- Weil die Differenzen
monoton in
sind,
gilt (38) für jede (unbegrenzt wachsende)
Folge
von natürlichen Zahlen.
- Damit ist die Gültigkeit von (36) bewiesen.
- Die Grenzwerte
sind positiv, weil
- Außerdem gilt
, weil die Vertauschung von Grenzwert und endlicher Summation erlaubt ist.
- Die Notwendigkeit der Bedingung (35) ergibt sich
unmitttelbar aus
und (33),
wenn dabei berücksichtigt wird, dass der Zustandsraum
endlich
ist.
- Beachte
-
- Weil die Grenzwerte
ergodischer Markov-Ketten nicht von
abhängen, ergibt sich
hieraus und aus der Endlichkeit des Zustandsraumes
, dass
- Im Beweis von Theorem 2.4 wurde nicht nur die
Existenz der Grenzwerte
gezeigt, sondern die folgende Abschätzung der
Konvergenzgeschwindigkeit hergeleitet: Aus (37) ergibt
sich nämlich, dass
 |
(39) |
bzw.
 |
(40) |
wobei
den ganzzahligen Teil von
bezeichnet.
- Im Zusammenhang mit (39) und (40)
spricht man in der Literatur von geometrischen Schranken der
Konvergenzgeschwindigkeit.
Wir zeigen nun noch, dass die Grenzwerte
auch als Lösung eines linearen Gleichungssystems
aufgefasst werden können.
- Beweis
-
- Aus der Definitionsgleichung (33) der Grenzwerte
und aus der Chapman-Kolmogorov-Gleichung
(23) ergibt sich durch Vertauschen von Grenzwert
und Summation, dass
- Wir nehmen nun an, dass es noch eine weitere positive Lösung
von
(41) gibt, so dass
für jedes
und
.
- Mit vollständiger Induktion kann man dann zeigen, dass
 |
(42) |
für jedes
.
- Insbesondere ergibt sich somit aus (42), dass
- Beachte
-
- In Matrix-Schreibweise hat das lineare Gleichungssystem
(41) die Form
.
- Wenn die Anzahl
der Zustände nicht zu groß ist, dann kann
dieses Gleichungssystem ein Ausgangspunkt zur numerischen
Bestimmung der Wahrscheinlichkeitsfunktion
sein; vgl.
Abschnitt 2.2.5.
- Falls
, dann ist in vielen Fällen dynamische
Monte-Carlo-Simulation besser zur Bestimmnug von
geeignet; vgl. Abschnitt 3.3.
Nächste Seite: Abschätzung der Konvergenzgeschwindigkeit; Perron-Frobenius-Theorem
Aufwärts: Ergodizität und Stationarität
Vorherige Seite: Ergodizität und Stationarität
  Inhalt
Ursa Pantle
2003-09-29