Nächste Seite: Irreduzibilität und Aperiodizität
Aufwärts: Ergodizität und Stationarität
Vorherige Seite: Grundlegende Definitionen und quasi-positive
  Inhalt
Abschätzung der Konvergenzgeschwindigkeit;
Perron-Frobenius-Theorem
- Zur Erinnerung
- Wenn das Minimum
der Eintragungen
der Übergangsmatrix
nahe bei 0 liegt, dann ist die Schranke in
(43) nur von geringem Nutzen.
- In manchen Fällen lässt sich jedoch die ,,Basis''
der
Konvergenzabschätzung in (43) verbessern.
- Beispiel
(Wettervorhersage)
- Sei
und
- In Abschnitt 2.2.1 hatten wir gezeigt,
- dass dann die
-stufige Übergangsmatrix
gegeben ist durch
- und dass somit
- In diesem Fall ergibt sich also, dass
 |
(44) |
wobei
und somit
, falls
.
- Beachte
Im allgemeinen lassen sich geometrische Konvergenzabschätzungen
der Form (44) mit Hilfe des folgenden Theorems
von Perron-Frobenius für quasi-positive Matrizen herleiten.
Theorem 2.6
- Sei
eine quasi-positive
Matrix mit den
Eigenwerten
, so dass
.
- Dann gilt:
- (a)
- Der Eigenwert
ist rellwertig und positiv,
- (b)
-
für jedes
,
- (c)
- die rechten bzw. linken (zu
gehörenden) Eigenvektoren
bzw.
sind (bis auf einen konstanten
Faktor) eindeutig bestimmt und können so gewählt werden, dass
sämtliche Komponenten von
bzw.
positiv
sind.
Einen Beweis von Theorem 2.6 kann man
beispielsweise in Kapitel 1 des Buches E. Seneta (1981) Non-Negative Matrices and Markov Chains, Springer-Verlag, New
York finden.
- Beweis
-
- Weil
eine stochastische Matrix ist,
- gilt offenbar
, und aus (41)
ergibt sich, dass
.
- Hieraus folgt, dass
ein Eigenwert von
ist und dass
bzw.
ein rechter bzw. linker Eigenvektor dieses
Eigenwertes ist.
- Sei nun
- Aus Theorem 2.6 folgt nun, dass
für
jedes
.
Aus Korollar 2.3 ergibt sich die folgende geometrische
Konvergenzabschätzung.
Korollar 2.4

Sei

eine quasi-positive Übergangsmatrix, so dass sämtliche
Eigenwerte

von

voneinander
verschieden sind. Dann gilt
 |
(45) |
- Beweis
-
- Beispiel
(Konsensbildung)
vgl. C. Hesse (2003) Angewandte Wahrscheinlichkeitstheorie.
Vieweg-Verlag, Braunschweig, S. 349
- Eine Experten-Kommission, die aus
Mitgliedern besteht, soll
eine Prognose für einen (Wirtschafts-) Parameter
erstellen, beispielsweise der ,,Rat der Fünf Weisen'' eine
Prognose für das Wirtschaftswachstum im kommenden Jahr.
- Dabei entwickelt zunächst jeder der
Experten eine eigene
Prognose für
, wobei die einzelnen Prognosewerte mit
bezeichnet
werden und typischerweise voneinander verschieden sind.
- Wie können nun die Experten hieraus eine gemeinsame Prognose
der gesamten Kommission, d.h., einen Konsens bilden?
- Eine einfache Vorgehensweise wäre die Bildung des arithmetischen
Mittels
, wobei
jedoch die Kompetenzunterschiede zwischen den einzelnen Experten
unberücksicht bleiben würden.
- Eine alternative Vorgehensweise besteht darin, dass jeder Experte
seine eigene Prognose nach Kenntnisnahme der Prognosen der anderen
Experten und unter Berücksichtigung seiner Einschätzung
der prognostischen Fähigkeiten der Kommissionsmitglieder
modifiziert.
- Aus Theorem 2.4 folgt,
- Die Gültigkeit von (47) lässt sich dabei wie folgt
begründen. Es gilt nämlich
- Der Konsens der Experten-Kommission, d.h. die gemeinsame Prognose
des (unbekannten) Parameters
ist dann gegeben durch
 |
(48) |
- Beachte
-
- Für große
kann die direkte (algebraische) Lösung des
linearen Gleichungssystems (41) schwierig sein.
- Dann spielt die Abschätzung der Konvergenzgeschwindigkeit in
(47) eine wichtige Rolle bei der praktischen
Durchführung der in (47) beschriebenen
Konsensbildung.
- Wir betrachten hierfür das folgende Zahlenbeispiel.
- Sei
, und sei
 |
(49) |
- Die Eintragungen dieser stochastischen Matrix bedeuten, dass die
Kompetenz des dritten Experten von allen Kommissionsmitgliedern
besonders hoch eingeschätzt wird.
- Die Lösung
des entsprechenden
linearen Gleichungssystems (41) ist dann gegeben
durch
d.h., die Prognose
des dritten (als
besonders kompetent eingeschätzten) Experten wird am stärksten
gewichtet.
- Die Eigenwerte der in (49) gegebenen
Übergangsmatrix sind
,
und
.
- Gemäß (43) ergibt sich dabei die ,,Basis''
der Konvergenzabschätzung, während Korollar 2.4 die
folgende (deutlich verbesserte) geometrische
Konvergenzabschätzung
liefert, wobei
der zweitgrößte Eigenwert der in
(49) gegebenen stochastischen Matrix
ist,
vgl. auch Übungsaufgabe 3.3.
Nächste Seite: Irreduzibilität und Aperiodizität
Aufwärts: Ergodizität und Stationarität
Vorherige Seite: Grundlegende Definitionen und quasi-positive
  Inhalt
Ursa Pantle
2003-09-29