RAP 412 19.11.2008
Wykªad 7: Ci¡g dalszy rozkªadów stacjonarnych
Wykªadowca: Andrzej Ruci«ski Pisarze:Arkadiusz Buchelt, Przemysªaw Sokoªowski
Wst¦p
W tym wykªadzie poka»emy istnienie rozkªadu stacjonarnego dla dowolnego nierozkªadal- nego i nieokresowego ªa«cucha Markowa oraz jego posta¢. Korzystaj¡c ze zbie»no±ci wyka-
»emy jedyno±¢ owego rozkªadu. Przedstawimy równie» metod¦ Coupling-u, która umo»liwi wykazanie zbie»no±ci do rozkªadu stacjonarnego (stabilizowanie si¦ ªa«cucha).
Przypomnijmy, »e przestrze« stanów S jest sko«czona, to znaczy S = {s 1 , s 2 , . . . , s k } , oraz T i,j = min {n ≥ 1 : X n = s j ∧ X 0 = s i } i τ i,j = E (T i,j | X 0 = s i ).
Lemat 1. Dla dowolnego nieredukowalnego i nieokresowego ªa«cucha Markowa, dla ka»dych stanów s i , s j mamy, »e
P (T i,j < ∞ | X 0 = s i ) = 1 oraz
τ i,j = E (T i,j | X 0 = s i ) < ∞.
Dowód. Wiemy, »e istnieje M takie, »e macierz przej±¢ P M skªada si¦ z dodatnich warto±ci, to znaczy istnieje takie M, »e pocz¡wszy od momentu M z dodatnim prawdopodobie«stwem osi¡gniemy ze stanu s i stan s j . Oznaczmy przez α = min
i,j
n P i,j M o
> 0 , wówczas otrzymujemy,
»e prawdopodobie«stwo nie osi¡gni¦cia stanu s j w mniej ni» M krokach wynosi P (T i,j > M | X 0 = s i ) ≤ P (X M 6= s j | X 0 = s i ) ≤ 1 − α.
W dalszym ci¡gu pomocnym b¦dzie poni»sze szacowanie prawdopodobie«stwa warunkowego,
»e stan s j nie zostanie osi¡gni¦ty w mniej ni» 2M krokach, gdy w mniej ni» M krokach nie wyst¡piª ten stan
P (T i,j > 2M | T i,j > M, X 0 = s i ) ≤ P (X 2M 6= s j | T i,j > M, X 0 = s i ) =
=
k
X
l=1 l6=j
P (X 2M 6= s j | T i,j > M, X M = s l , X 0 = s i ) =
k
X
l=1 l6=j
P (X 2M 6= s j | T i,j > M, X M = s l ) =
=
k
X
l=1 l6=j
P (X 2M 6= s j | X M = s l ) P (X M = s l | T i,j > M ) ≤ (1 − α)
n
X
l=1 l6=j
P (X M = s l | T i,j > M ) ≤
≤ 1 − α.
Oszacujmy teraz prawdopodobie«stwo, »e stan s j nie zostanie osi¡gni¦ty w mniej ni» 2M krokach
P (T i,j > 2M | X 0 = s i ) = P (T ? i,j > M | X 0 = s i ) P (T i,j > 2M | T i,j > M, X 0 = s i ) ≤
≤ (1 − α) (1 − α) = (1 − α) 2
? ze wzoru ªa«cuchowego.
Powtarzaj¡c analogiczne rozumowanie dla prawdopodobie«stw P (T i,j > 3M | T i,j > M, X 0 = s i ) , P (T i,j > 4M | T i,j > M, X 0 = s i ) itd. otrzymujemy, »e dla dowolnego l ∈ N
P (T i,j > lM | X 0 = s j ) ≤ (1 − α) l ,
zatem prawdopodbie«stwo, »e stan s j nie zostanie nigdy osi¡gni¦ty wynosi
P (T i,j = ∞ | X 0 = s j ) = P
∞
\
l=1
{T i,j > lM | X 0 = s j }
!
= lim
l→∞ P (T i,j > lM | X 0 = s j ) ≤
≤ lim
l→∞ (1 − α) l = 0.
Na zako«czenie obliczmy oczekiwan¡ ilo±¢ kroków do osi¡gni¦cia stanu s j
τ i,j ?? =
∞
X
n=1
P (T i,j > n) =
∞
X
l=0
(l+1)M −1
X
n=lM
P (T i,j > n) ≤
∞
X
l=0
(l+1)M −1
X
n=lM
P (T i,j > lM ) =
= M
∞
X
l=0
P (T i,j > lM ) ≤ M
∞
X
l=0
(1 − α) l = M
α = const.
Równo±¢ ?? wynika z twierdzenia 11. z rozdziaªu 5.6 z Wst¦p do teorii prawdopodobie«stwa J.Jakubowski, R.Sztencel.
Oznaczmy przez µ j = τ jj czas oczekiwania na pierwszy powrót do stanu s j gdy zaczy- namy z tego stanu.
Twierdzenie 1. Dla dowolnego nieredukowalnego i nieokresowego ªa«cucha Markowa ist- nieje rozkªad stacjonarny Π Π Π .
Dowód. Dla uproszczenia wprowad¹my nast¦puj¡ce oznaczenia:
i := s i , T l := T l,l .
Ustalmy dowolny stan l ∈ [k]. W dalszej cz¦±ci wszystkie zdarzenia s¡ rozpatrywane w przestrzeni warunkowej z warunkiem X 0 = s l . Dla ka»dego i ∈ [k] b¦d¡cego pewnym stanem deniujemy zmienn¡ losow¡
N i (l) =
∞
X
n=1
I {X
n=i}∩{T
l≥n} .
Je±li i 6= l to powy»sza zmienna losowa liczymy ile razy odwiedzony zostanie stan i po drodze do l. Oznaczmy przez ρ i (l) = E (N i (l) | X 0 = l)
Uwaga oczywi±cie N l (l) = 1 , czyli równie» ρ i (i) = 1 . Zauwa»my, »e:
T l =
k
X
i=1
N i (l) ,
gdy» wszystkie kroki jakie pokonamy id¡c z l do l mo»emy rozbi¢ ze wzgl¦du na liczb¦
odwiedzin w ka»dym ze stanów. Zatem ET l = µ l =
k
X
i=1
ρ i (l) ,
i na mocy lematu 1 µ l < ∞ , czyli dla ka»dego i ∈ [k] mamy ρ i (l) < ∞ . Kandydatem na rozkªad dla ka»dego l jest
Π Π Π (l) = ρ ρ ρ (l) µ l ,
gdzie ρρρ (l) = (ρ 1 (l) , . . . , ρ k (l)) , czyli Π Π Π (l) = (Π 1 , Π 2 , . . . , Π k ) =
ρ
1(l)
µ
l, . . . , ρ
kµ (l)
l
. Poka-
»emy, »e jest to rozkªad stacjonarny.
Mamy N i (l) ≥ 0 , wi¦c ρ i (l) ≥ 0 , a st¡d Π i (l) ≥ 0 oraz
k
X
i=1
Π i (l) =
k
X
i=1
ρ i (l) µ l
= 1 µ l
k
X
i=1
ρ i (l) = 1 Zatem Π Π Π (l) jest rozkªadem prawdopodobie«stwa. Ponadto ρ i (l) =
∞
X
n=1
P (X n = i, T l ≥ n | X 0 = l) = p li + X
n≥2 k
X
j6=1 j=1
P (X n = i, T l ≥ n, X n−1 = j | X 0 = l) =
= ρ li + X
n≥2
X
j6=1
P (X n−1 = j, T l ≥ n) P (X n = i | T l ≥ n, X n−1 = j) =
= p li + X
n≥2
X
j6=l
P (X n−1 = j, T l ≥ n − 1) P (X n = i | X n−1 = j) =
= ρ l (l) p li +
k
X
j6=l j=1
p ji
∞
X
n=2
P (X n−1 = j, T l ≥ n) = ρ l (l) p li +
k
X
j=1 j6=l
p ji ρ j (l)
=
k
X
j=1
p ji ρ j (l) , st¡d
ρ ρ
ρ (l) = ρ ρ ρ (l) P / · 1 µ l
Π Π Π (l) = Π Π Π (l) P
Co dowodzi, »e Π Π Π (l) jest rozkªadem stacjonarnym.
Posta¢ rozkªadu stacjonarnego
W dalszej cz¦±ci poka»emy, »e zachodzi nast¦puj¡cy ci¡g implikacji: zbie»no±¢ ⇒ jedyno±¢
⇒ ρ
iµ (l)
l
= ρ
iµ (i)
i
= µ 1
i
⇒ Π Π Π =
1 µ
1, µ 1
2
, . . . , µ 1
k