Zusammenfassung
Wir betrachten eine Markovkette X mit invarianter Verteilung \(\pi\) und untersuchen unter welchen Bedingungen die Verteilung von X n für n -> ∞ gegen \(\pi\) konvergiert. Im Wesentlichen ist dafür notwendig und hinreichend, dass der Zustandsraum der Kette nicht in Unterräume zerfällt, die
• von der Kette nicht verlasen werden,
• oder von der Kette beispielsweise nur für ungerade n beziehungsweise nur für gerade n besucht werden. Im ersten Fall wäre die Kette reduzibel, im zweiten hingegen periodisch.
Wir untersuchen Periodizität von Ketten im ersten Abschnitt und zeigen im zweiten den Konvergenzsatz. Im dritten Abschnitt beschäftigen wir uns mit Anwendungen des Konvergenzsatzes für Computersimulationen mit der so genannten Markovketten Monte Carlo Methode. Im letzten Abschnitt beschreiben wir die Geschwindigkeit der Konvergenz gegen das Gleichgewicht mit Hilfe des Spektrums der Übergangsmatrix.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2013 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Klenke, A. (2013). Konvergenz von Markovketten. In: Wahrscheinlichkeitstheorie. Springer-Lehrbuch Masterclass. Springer Spektrum, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-36018-3_18
Download citation
DOI: https://doi.org/10.1007/978-3-642-36018-3_18
Published:
Publisher Name: Springer Spektrum, Berlin, Heidelberg
Print ISBN: 978-3-642-36017-6
Online ISBN: 978-3-642-36018-3
eBook Packages: Life Science and Basic Disciplines (German Language)