06.01.2015 Views

Il teorema ergodico - Matematica e Applicazioni

Il teorema ergodico - Matematica e Applicazioni

Il teorema ergodico - Matematica e Applicazioni

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

2.3. CATENE DI MARKOV 39<br />

dunque, in generale, P (X n = a|X n−1 = b) è indipendente da n.<br />

⇐ Supponiamo che valga la proprietà di omogeneità e che la distribuzione iniziale<br />

sia stazionaria. Sotto queste ipotesi, dunque, è possibile osservare che, dato n ∈<br />

N ed a 1 , ..., a n ∈ E :<br />

P (X i = a i , m ≤ i ≤ n)<br />

= µ 1 (a 1 )P (X 2 = a 2 |X 1 = a 1 ) · P (X 3 = a 3 |X 2 = a 2 )<br />

· ... · P (X n = a n |X n−1 = a n−1 )<br />

= P (X 2 = a 1 ) · P (X 3 = a 2 |X 2 = a 1 ) · P (X 4 = a 3 |X 3 = a 2 )<br />

· . . . · P (X n+1 = a n |X n = a n−1 )<br />

= P (X i+1 = a i , m ≤ i ≤ n)<br />

Sia ora {X n } n∈N una catena di Markov omogenea ed avente distribuzione iniziale<br />

stazionaria e sia A ∈ M n×n la corrispondente matrice di transizione, Tale matrice è<br />

detta irriducibile se, per ogni coppia di indici (i, j), ove i, j ∈ {1 . . . , n}, esiste una<br />

sequenza i 0 , i 1 , . . . , i l di elementi appartenenti ad {1 . . . , n} tale che i 0 = i, i l = j ed<br />

Ai m i m+1 > 0, per m = 0, 1, . . . , l − 1.<br />

Osserviamo che, in virtù delle ipotesi fatte e della definizione di Catena di Markov,<br />

supporre che valga tale condizione equivale ad affermare che, se ad un dato istante la<br />

catena di Markov assume il valore a i , allora la probabilità che, in un istante futuro, la<br />

catena possa assumere il valore a j è strettamente positiva. Infatti assumiamo che, dato<br />

k ∈ N, P (X k = a i ) > 0, allora<br />

P (X k+1 = a i1 , X k = a i ) = P (X k+1 = a i1 |X k = a i )P (X k = a i )<br />

Dunque<br />

P (X k+2 = a i2 , X k+1 = a i1 , X k = a i )<br />

= A i0 i 1<br />

P (X k = a i ) > 0.<br />

= P (X k+2 = a i2 |X k+1 = a i1 , X k = a i )P (X k+1 = a i1 , X k = a i )<br />

= P (X k+2 = a i2 |X k+1 = a i1 )P (X k+1 = a i1 , X k = a i )<br />

A i1 i 2<br />

P (X k+1 = a i1 , X k = a i ) > 0<br />

Iterando il procedimento e sfruttando la definizione di Catena di Markov, quindi, si<br />

ottiene che<br />

P (X k+l = a j , X k+l−1 = a il−1 , . . . , X k = a i ) > 0,<br />

dunque P (X k+l = a j ) > 0. Ora vogliamo dimostrare che la condizione di ergodicità di<br />

una catena di Markov omogenea ed avente distribuzione iniziale stazionaria equivale alla<br />

condizione di irriducibilità della corrispondente matrice di transizione.

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!