Detailed Balance

Eigenschaft von homogenen Markow-Ketten

Der Begriff Detailed Balance (detailliertes Gleichgewicht) bezeichnet eine Eigenschaft von homogenen Markow-Ketten, einem speziellen stochastischen Prozess. Anschaulich ist ein Prozess im detaillierten Gleichgewicht, wenn nicht erkennbar ist, ob er sich zeitlich vorwärts oder rückwärts bewegt.

Definition

Bearbeiten

Eine Markow-Kette mit möglichen Zuständen   und einer Übergangsmatrix  , wobei   die Wahrscheinlichkeit für einen Übergang von Zustand   zum Zustand   bezeichnet (also die Übergangswahrscheinlichkeit), heißt reversibel bezüglich der Verteilung  , wenn

 

für alle   gilt. Eine Markow-Kette heißt reversibel, wenn sie eine Verteilung besitzt, bezüglich derer sie reversibel ist.

Die obige Gleichung ist die Bedingung des detaillierten Gleichgewichts. Ist sie erfüllt, so ist das System, das durch den Markow-Prozess beschrieben wird, im detaillierten Gleichgewicht oder der detaillierten Balance.

Eigenschaften

Bearbeiten
  • Der Metropolisalgorithmus ist ein Beispiel für einen stochastischen Prozess, der die Eigenschaft der Detailed Balance erfüllt. Er wird in Monte-Carlo-Simulationen dazu genutzt, Zustände eines Systems aus vorhergehenden Zuständen gemäß einer Übergangswahrscheinlichkeit zu erzeugen.
  • Für stationäre Markow-Ketten   mit Übergangsmatrix   (also insbesondere für diejenigen Ketten, die in einer stationären Verteilung starten) ist diese Eigenschaft äquivalent zur zeitlichen Reversibilität, das heißt, für den zeitumgekehrten Prozess   gilt für alle  
 , das heißt,   sind verteilt wie  
Für jede Realisierung ist also gleichgültig, in welcher Richtung sie durchlaufen wird.
  • Jede Verteilung, welche die Detailed-Balance-Bedingung erfüllt, ist eine stationäre Verteilung. Das folgt direkt aus der Mastergleichung  .
Die Konvergenz einer beliebigen Verteilung gegen die stationäre Verteilung ist daraus aber nicht gegeben. Ein hinreichendes Kriterium dafür liefert zum Beispiel der Ergodensatz.

Siehe auch

Bearbeiten

Literatur

Bearbeiten
  • G. Bhanot, The Metropolis algorithm, Rep. Prog. Phys. 51 (1988) 429
  • Achim Klenke: Wahrscheinlichkeitstheorie. 2. Auflage. Springer-Verlag, Berlin Heidelberg 2008, ISBN 978-3-540-76317-8
  • Hans-Otto Georgii: Stochastik: Einführung in die Wahrscheinlichkeitstheorie und Statistik, 5. Auflage, de Gruyter 2015