Il teorema ergodico - Matematica e Applicazioni
Il teorema ergodico - Matematica e Applicazioni
Il teorema ergodico - Matematica e Applicazioni
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
2.3. CATENE DI MARKOV 37<br />
Sotto queste ipotesi, ricordiamo innanzitutto che E è un insieme finito, dunque possiamo<br />
supporre che, se |E| = n, E = {a 1 , a 2 , ..., a n }, n ∈ N.<br />
Definiamo, quindi, la matrice :<br />
⎡<br />
⎤<br />
M a1 a 1<br />
M a1 a 2<br />
. . . M a1 a n<br />
M a2 a 1<br />
M a2 a 2<br />
. . . M a2 a n<br />
A = ⎢<br />
⎥<br />
⎣ . . . . ⎦<br />
M ana1 . . . . . . M anan (2.5)<br />
tale che :<br />
M ai a j<br />
:= P (X n = a j |X n−1 = a i ),<br />
per ogni i, j ∈ {1, 2, .., m − 1, m}.<br />
Ricordiamo che, nelle ipotesi fatte, il valore di ciascun elemento della matrice è lo stesso<br />
al variare di n ∈ N.<br />
Osserviamo che la matrice, detta matrice di transizione, per come l’abbiamo definita,<br />
soddisfa le seguenti proprietà :<br />
• M ai a j<br />
∈ [0, 1], ∀a i , a j ∈ E;<br />
• ∑ a j ∈E M a i a j<br />
= ∑ a j ∈E P (X n = a j |X n−1 = a i ) = 1, ∀a i ∈ E.<br />
Definiamo, ora, per ogni a ∈ E, la funzione<br />
µ 1 (a) := P (X 1 = a) = P ({ω ∈ X : X 1 (ω) = a}).<br />
<strong>Il</strong> vettore così ottenuto<br />
µ 1 := ( µ 1 (a 1 ), µ 1 (a 2 ), . . . µ 1 (a n ) )<br />
è detto distribuzione iniziale del processo stocastico {X n } n∈N .<br />
La distribuzione iniziale si dice stazionaria se, per ogni a i ∈ E,<br />
µ 1 (a i ) = P (X 1 = a i ) = P (X j = a i ), ∀j. (2.6)<br />
Osserviamo che tale proprietà è soddisfatta se e solo se si ha che µ 1 M = µ 1 .<br />
Infatti, consideriamo a titolo d’esempio la prima entrata del vettore ottenuto moltiplicando<br />
µ 1 per M, il suo valore è dato da: