Nächste Seite: Homogene Markovketten und Chapman-Kolmogoroff-Gleichung
Aufwärts: Symbolische Dynamik, Punktprozesse und
Vorherige Seite: Betrachtung bei diskreten Zeitschritten
  Inhalt
Markov-Ketten sind wertdiskrete Zufallsprozesse, die entweder
zeitkontinuierlich oder zeitdiskret sein können. Der Einfachheit halber und
weil sie für die Anwendung auf Zeitreihen völlig ausreichend sind, werden
hier nur zeitdiskrete Markov-Ketten besprochen. Die wesentliche Eigenschaft
von Markov-Ketten heißt Markov-Eigenschaft und liegt darin, daß eine
Markov-Kette ihre Vergangenheit vergißt. Man kann Markov-Ketten
verschiedener Ordnung definieren, je nachdem wie weit das Gedächtnis des
Prozesses in die Vergangenheit reichen soll. Umfaßt der Wertebereich des
Prozesses die Werte
, so kann man fragen, mit
welcher Wahrscheinlichkeit die Zufallsvariable , die die Realisation des
Prozesses darstellt, zum Zeitschritt den Wert annimmt, wenn zu
vorhergehenden Zeiten bestimmte andere Zustände angenommen wurden. Allgemein
kann diese bedingte Wahrscheinlichkeit
von beliebig vielen vergangenen Realisationen
abhängen. Für eine Markov-Kette -ter Ordnung hängt die
Wahrscheinlichkeit für eine bestimmte Realisation zur Zeit nur von den
vorhergehenden Realisationen ab. Oft wird mit dem Begriff Markov-Kette
nur die Markov-Kette erster Ordnung gemeint, für die die Wahrscheinlichkeit
der Realisation des Wertes zur Zeit nur von der Wahrscheinlichkeit
der Realisationen aller möglichen Werte zur Zeit und
zugeordneten Übergangswahrscheinlichkeiten zum Zeitpunkt
abhängt.
Es gilt dann für die Markov-Kette erster Ordnung
|
(3.1) |
Wenn die Übergangswahrscheinlichkeiten nicht von der Zeit
abhängen, spricht man von einer zeitlich homogenen Markov-Kette.
Für die weitere
Untersuchung von Markov-Ketten bietet sich die vereinfachte formelle
Schreibweise
an.
Damit kann Gleichung (3.1) in der handlicheren Form
|
(3.2) |
geschrieben werden.
Man kann nun für jeden Zeitpunkt einen Wahrscheinlichkeitsvektor
definieren, dessen Elemente die Wahrscheinlichkeiten für die Realisation
der möglichen Zustände sind:
|
(3.3) |
Die Übergangswahrscheinlichkeiten können zu einer
Übergangsmatrix mit
|
(3.4) |
zusammengefaßt werden. Solche Matrizen, mit Wahrscheinlichkeiten als
Elementen heißen stochastische Matrizen. Sie sind quadratisch, alle ihre
Elemente erfüllen die Eigenschaft
und alle Zeilensummen
sind gleich 1. Die letzte Eigenschaft ist eine Erhaltungseigenschaft, die
gewährleistet, daß sich die Realisation immer in einem Zustand
befindet. Mit Hilfe der Übergangsmatrix kann die zeitlichen Entwicklung des
Wahrscheinlichkeitsvektors geschrieben werden als
|
(3.5) |
Eine häufige Anwendung dieser Gleichung liegt darin, daß man damit
Wahrscheinlichkeitsprognosen durchführen kann. Meist ist ein Anfangszustand
gegeben, d.h. hat an einer Stelle eine 1 und sonst überall
0. Dann kann man mit Hilfe von Gleichung (3.5) prognostizieren, mit
welcher Wahrscheinlichkeit welche Zustände in der Zukunft eingenommen
werden.
Unterabschnitte
Nächste Seite: Homogene Markovketten und Chapman-Kolmogoroff-Gleichung
Aufwärts: Symbolische Dynamik, Punktprozesse und
Vorherige Seite: Betrachtung bei diskreten Zeitschritten
  Inhalt
ich
2000-01-24