- Stochastischer Kern
-
In der Wahrscheinlichkeitstheorie beschreiben Übergangswahrscheinlichkeiten die Wahrscheinlichkeiten, vom Zustand i (in einer Menge Ω) zu einem aktuellen Beobachtungszeitpunkt in bestimmte andere Zustände j (in einer Menge Ω') überzugehen. Sie finden in der Bioinformatik eine breite Anwendung bei der Modellbildung unter Zuhilfenahme von Markow- und Hidden-Markow-Modellen. In der Quantenphysik werden oft Übergangswahrscheinlichkeiten zwischen quantenmechanischen Zuständen untersucht.
Diskreter Fall
Im diskreten Fall, wo Ω und Ω' endliche oder abzählbare Mengen sind, genügt es die Wahrscheinlichkeiten πi,j anzugeben, mit denen man vom Zustand i in den Zustand j gelangt. Diese Wahrscheinlichkeiten bilden eine Matrix , die die Eigenschaft hat, dass alle Elemente zwischen 0 und 1 liegen und dass die Zeilensummen den Wert 1 haben. Eine solche Matrix wird als stochastische Matrix bezeichnet. Sie ordnet jeder Wahrscheinlichkeitsverteilung auf Ω mit einer Zähldichte eine Zähldichte in Ω' zu.
Bemerkung: Bei manchen Definitionen werden Zeilen und Spalten der Matrix umgekehrt verwendet.
Allgemeiner Fall
Im allgemeinen Fall gibt man die Wahrscheinlichkeiten π(x;A) an, mit denen man von einem Zustand x zu einem beliebigen Ereignis A gelangt. Dazu seien und Messräume. Eine Abbildung heißt stochastischer Kern oder Markow-Kern von nach , wenn gilt:
- Für jedes ist ein Wahrscheinlichkeitsmaß auf .
- Für jedes ist eine -messbare Funktion.
Jedem Wahrscheinlichkeitsmaß P auf ordnet π durch die Zuordnung ein Wahrscheinlichkeitsmaß auf zu.
Bemerkung: Bei manchen Definitionen werden die Argumente von π in umgekehrter Reihenfolge geschrieben, π(A;x) oder auch π(A | x), in Anlehnung an bedingte Wahrscheinlichkeiten.
Wikimedia Foundation.