Introdu¸c˜ ao aos Processos Estoc´ asticos
Luiz Renato Fontes
1
Distribui¸c˜ oes invariantes/estacionariedade/convergˆ encia
Seja (X
n) ∼ CM(·,
P) emS . Uma medida µ em S
∗ser´ a dita invariante (ou de equil´ıbrio, ou estacion´ aria) para (X
n) (ou
P) seµP = µ (ie, µ
y=
Px∈S
µ
xP
xy, y ∈ S ). (0) Se µ for uma probabilidade, diremos que µ ´ e uma distribui¸ c˜ ao invariante (ou de equil´ıbrio ou etc).
Obs.
1) µ inv ⇒ µP
n= µ, n ≥ 0. (1) 2) Se µ distr inv e X
0∼ µ, ent˜ ao X
n∼ µ, n ≥ 1.
Def.
Diremos que um processo estoc´ astico (X
n)
n≥0´ e estacion´ ario se (X
n+`)
n≥0∼ (X
n)
n≥0, ` ≥ 0.
∗i.e.,µ:S →[0,∞), que tb veremos c/um vetor (µx)x∈S c/entradas≥0
Teorema 1
Se µ distr inv para uma CM (X
n) e X
0∼ µ, ent˜ ao (X
n) ´ e estacion´ aria.
Dem.
Basta mostrar que para n, ` ≥ 1, x
1, . . . , x
n∈ S arbitr´ arios
P(X0= x
0, X
1= x
1, . . . , X
n= x
n)
=
P(X
`= x
0, X
1+`= x
1, . . . , X
n+`= x
n). (2) O lado direito de (2) vale
P (X
`= x
0)P
x0x1· · · P
xn−1xninv
= µ
x0P
x0x1· · · P
xn−1xn,
que ´ e o lado esq de (2).
3
Teorema 2
Suponha que S seja finito e que para algum x ∈ S haja um vetor π em S tq
P
xy(n)→ π
yqdo n → ∞ ∀y ∈ S Ent˜ ao, π ´ e uma distribui¸c˜ ao invariante.
Dem.
π
y= lim
n→∞P
xy(n)CK= lim
n→∞Pz∈S
P
xz(n−1)P
zy|S|<∞
=
Pz∈S
lim
n→∞P
xz(n−1)P
zy=
Pz∈S
π
zP
zy, e como π
y≥ 0 ∀y, π ´ e uma medida inv. Agora,
P
y∈S
π
y=
Py∈S
lim
n→∞P
xy(n) |S|<∞= lim
n→∞Py∈S
P
xy(n)= 1,
e π ´ e uma prob.
Obs.
No passeio aleat´ orio discutido no ´ Album 6, temos
P
xy(n)→ 0 qdo n → ∞ ∀x, y ∈
Zd. (3) (π ≡ 0 n˜ ao deixa de ser uma medida inv, mas n˜ ao ´ e uma prob.) Exemplos
1)
P=
1 − α α
β 1 − β
Descontados casos triviais (α + β = 0 ou 2), temos (do que vimos antes): qdo n → ∞
Pn
→
β α+β
α β α+β α+β
α α+β
!
e logo
βα+β
,
α+βα´
e distr inv para
P.5
Exemplos (cont)
2)
P=
0 1 0
0 1/2 1/2
1/2 0 1/2
Podemos voltar ao que fizemos antes e (tentar) calcular o limite de
Pnpara obter uma prob inv. Em vez disto, notemos que a cond (0) para que π seja inv produz um sistema linear de eqs para µ.
Vamos mont´ a-lo e tentar resolvˆ e-lo neste caso; π deve satisfazer:
π
1=
π23; π
2= π
1+
π22; π
3=
π22+
π23⇒ π = π
1(1, 2, 2) Como queremos que π seja prob, π
1=
15, e π =
15,
25,
25.
Note que s´ o temos uma prob inv neste caso, e, logo, se o c´ alculo
do limite sugerido acima vingar (de fato, vinga; verifique), ent˜ ao
deve produzir π como acima.
Exs (cont.)/Recorrˆ encia positiva/nula
3) PAS sim´ etrico em
ZNeste caso, µP = µ ´ e equivalente a µ
x=
12µ
x−1+
12µ
x+1, x ∈
Z.
Logo µ
x= const ´ e sl¸ c p/qq const, o que de toda forma n˜ ao nos fornece uma distr inv (j´ a que n˜ ao h´ a distr de prob uniforme em
Z).
De fato, segue de (3) que neste caso (irredut´ıvel e recorrente) n˜ ao h´ a distr inv, o que nos leva ao seguinte conceito central para a existˆ encia de distrs invs em cadeias irredut´ıveis.
Recorrˆ encia positiva/nula
Se x ∈ S for tq m
x:=
Ex(T
x) < ∞, ent˜ ao dizemos que x ´ e recorrente positivo. Se x for recorrente, mas n˜ ao recorrente positivo, ent˜ ao ser´ a dito recorrente nulo.
7
Teorema 3
SejaPirredut´ıvel. Ent˜ao s˜ao equivalentes as seguintes afirma¸c˜oes.
(i) Todos os estados s˜ao recorrentes positivos;
(ii) Existe um estado recorrente positivo;
(iii)Padmite uma distr invariante.
Al´em disto, sob (iii), sendoπa distr inv, temos: πx =m1
x >0,x ∈ S.
Obs.1)Pirred e rec pos⇒π´e ´unica; neste casoµ=π´e a ´unica sl¸c probabil´ıstica deµP=µ†;
2) Recorrˆencia positiva, resp nula, ´e propriedade de classe (pois cadeia restrita a classe recorrente ´e irredut´ıvel);
†ie,µ:S →[0,∞) satisfaz: a)µP=µeb)P
x∈Sµx = 1
Obs. (cont.)
3) Pode-se mostrar que, se
Pirred, ent˜ ao a)
Prec pos ⇔ ∃ distr inv;
b)
Precorr ⇒ ∃! medida inv, a menos de const mult;
c)
Precorr nulo ⇒
@distr inv;
d)
Precorr nulo ⇐ ∃ med inv infinita +
Precorr
4) Se S finito e
Pirredut´ıvel, ent˜ ao
P´ e recorrente
‡; podemos mostrar que neste caso
P´ e recorrente positiva.
‡Segue do Teo 4 do ´Album 6.
9
Exemplos
1) PASS emZ(irredut´ıvel, recorrente)
Sejaµx ≡1. Ent˜aoµx = 12µx−1+12µx=1, x∈Z, e logoµ´e inv.
Sendoµinfinita, a Obs 3d acima diz que a cadeia ´e rec nula.§
2) O argumento acima funciona igualmente emZ2;µ≡1 ´e inv tb para o PASS emZd,d ≥3, mas neste caso, a cadeia n˜ao ´e recorrente¶.
3) PAS assim´etrico em Z: Px x−1=q<p=Px x+1,p+q= 1.
µ=Pµ⇔µx =µx−1p+µx+1q,x∈Z (4)
A eq de diferen¸cas (4) tem a seguinte sol geral: µx =A+Bp
q
x
; logo, temos uma fam´ılia a 2 parˆametros,A,B≥0, de medidas invs: n˜ao h´a unici// a menos de cte mult (cadeia transit´oria);
n˜ao h´a distr inv.
§A mesma conclus˜ao segue da an´alise feita no ´Album 3 (vide Slide 10); note que, por simetria,E0(T0) =E1(H0).
¶Este caso ´e contra-ex para rec´ıproca da Obs 3b: Teo de Liouville discreto.
Ex. 4) Castelo de cartas
S=Z+={0,1,2. . .};Px x+1=px ∈(0,1), x≥0.
𝑥 𝑥 + 1 0
< 𝑝>!
𝑞!= 1 − 𝑝!
µP=µ⇔µ0=P∞
x=0µxqx, µx =µx−1px−1,x ≥1.
Iterando: µx =µ0 Qx−1 y=0py
=:µ0Px−1. Logo, ¯µ= (1,P0,P1, . . .), e m´ultiplos positivos s˜ao meds invariantes.
SeM:=P
x≥0Px <∞, ent˜aoπ= 1+Mµ¯ ´e a distr inv.
Neste caso, comoP´e irredut´ıvel, temos queP´e rec pos.
Exerc´ıcio:Mostre queP´e a) transit´oria sse limx→∞Px =Q∞
y=0px >0;
b) rec nula sseQ∞
y=1px = 0 eP
x≥0Px =∞.
(i) Sepx ≡p, ent˜aoPx =px+1, x≥0, e, logo, 1 +M=P
x≥0px = 1q, ondeq= 1−p. Segue queπx=pxq,x≥0, ´e a distr inv neste caso.
11
Ex. 4 (cont)
(ii) Suponha quepx −→
x→ ∞1; ent˜ao,Px =Qx
y=0py =ePxy=0log(1−qy), e verificamos prontamente que
e−
Px y=0
qy
1−qy ≤ Px ≤e−Pxy=0qy. (5)
(ii.a) Suponha que existax0≥1 tqqx = cx,x≥x0, ondec>0 ´e uma constante. Segue de (5) que
Px y=0
qy
1−qy,Px
y=0qy ∼cPx y=1
1
y ∼clogx, e, logo,Px ∼const x1c. (6) Sec>1, ent˜aoM ∼constP∞
x=1 1
xc <∞, eP´e rec pos.
Se 0<c≤1, ent˜aoM ∼constP∞ x=1
1
xc =∞, e, como lim
x→∞Px = 0, segue do exerc´ıcio acima queP´e rec nula.
(ii.b) Se existir x0≥1 tqqx = x1c, x≥x0, ondec>1 ´e uma cte, ent˜aoP∞
y=0 qy
1−qy <∞, e segue de (5) que limx→∞Px >0. Logo, pelo exerc´ıcio acima, temos queP´e transit´oria neste caso.k
kPode-se checar ainda que n˜ao h´a medidas invariantes neste caso, a n˜ao ser a trivialµ≡0.
Convergˆ encia ao equil´ıbrio
Def.
x ∈ S ´ e dito aperi´ odico se ∃ n
0≥ 1 tq P
xx(n)> 0 ∀ n ≥ n
0.
Obs.Pode-se verificar que x ´ e aperi´ odico sse o m´ aximo divisor comum de {n ≥ 1 : P
xx(n)> 0} for 1.
Lema 1.
Se
Pfor irredut´ıvel e admitir um estado aperi´ odico, ent˜ ao para todo x, y ∈ S , temos que P
xy(n)> 0 ∀ n bastante gde.
Em particular, todo estado ´ e aperi´ odico.
Dem.
Sejam z ∈ S aper e x, y ∈ S . Irred: ∃ r, s : P
xz(r), P
zy(s)> 0.
Dado n
0tq P
zz(n)> 0 ∀ n ≥ n
0, se n ≥ n
00:= n
0+ r + s:
P
xy(n)≥ P
xz(r)P
zz(n−r−s)P
zy(s)> 0, j´ a que n − r − s ≥ n
0.
Obs.Aperiodicidade ´ e propriedade de classe.
13
Teorema 4 (Convergˆ encia ao equil´ıbrio)
Suponha que
Pseja irredut´ıvel, aperi´ odica, e que tenha distr invariante π. Dada uma distr inicial µ qualquer, temos
P
(X
n= y) −→
n→∞
π
y, ∀y ∈ S. (7)
Alternativamente,
Px
(X
n= y ) −→
n→∞
π
y, ∀x, y ∈ S. (8)
Obs.
1) O limite n˜ ao depende de µ ou x (perda de mem´ oria).
2) Do Teo 3: podemos subst a frase ”que tenha distr inv π”por
”recorrente positiva”; neste caso, adicionamos depois de (7):
”onde π ´ e a distr inv estipulada pelo Teo 3”.
3) Cadeias irredut´ıveis e recorrentes positivas s˜ ao ditas erg´ odicas.
Cadeias irredut´ıveis finitas s˜ ao erg´ odicas (vide Obs 4 no slide 9).
Dem. Teo 4
Vamos tratar apenas do caso em queS´e finito.
1
ocaso: P
xy> 0 para todo x , y ∈ S
Vamos mostrar que para todox,y ∈ S,Pxy(n)=Pxyn converge para um limite que n˜ao depende dex qdon→ ∞. Pelos Teos 2 e 3 acima, este limite, vamos denot´a-lo por πy, fornece ent˜ao a ´unica distr inv deP.
Vamos fixary ∈ S, e sejamMn=Mn(y) = maxx∈SPxyn =:Pzn
ny, mn=mn(y) = minx∈SPxyn =:Pwn
ny e ∆n= ∆n(y) =Mn−mn. Basta mostrar que
a) (Mn) ´e uma seq num´erica decrescente∗∗; (9)
b) ∆n→0 qdon→ ∞, (10)
pois, fazendoπy = limn→∞Mn(y), ent˜ao
|Pxyn −πy| ≤ |Pxyn −Mn(y)|+|Mn(y)−πy|=|Pxyn −Pznny|+|Mn(y)−πy|
≤∆n(y) +|Mn(y)−πy| →0 qdon→ ∞.
∗∗e logo, como a seq ´e obvia/e nneg, ela converge
15
1
ocaso (cont.)
a) Parav∈ S en≥1, segue dePn+1=PPnque Pvyn+1=P
x∈SPvxPxyn ≤P
x∈SPvxPzn
ny =Mn e, logo,Mn+1≤Mn. a
b) Sejaδ= minu,v∈SPuv. Note que 0< δ≤1/2. Temos tb que Mn−Mn+1=Pznny −P
u∈SPzn+1uPuyn
=P
u∈SPzn+1u(Pznny−Puyn)≥Pzn+1wn(Pznny−Pwnny)≥δ∆n. (11)
Similar/e, mn+1−mn≥δ∆n,n≥1. (12)
Obs.(12) nos diz em particular quemn%emn. Logo ∀n≥1
Mn≥mn≥m1≥δ⇒πy = limn→∞Mn(y)≥δ >0,y ∈ S. (13) Continuando, temos que
∆n+1=Mn+1−mn+1= (Mn−mn)−(Mn−Mn+1)−(mn+1−mn)
(11,12)
≤ ∆n−2δ∆n= (1−2δ)∆n 1−2δ=:ξ
≤ ξ2∆n−1≤ · · · ≤ξn∆1≤ξn.
Note que 0≤ξ <1. (10) segue. b
2
ocaso
Em todo caso, podemos supor que existe K tal que P
xyK> 0 para todo x, y ∈ S
††. Segue do 1
ocaso que
P
xyKn→ π
yqdo n → ∞ para todo y ∈ S, ie,
PKn
→
Π=
π
.. . π
qdo n → ∞.
Logo, para ` ≥ 1 fixo, segue que
PKn+`
=
P`PKn→
P`Π=
∗ Πqdo n → ∞,
onde = segue de
∗ P`ser uma matriz estoc´ astica e
Πter as entradas das colunas constantes. Conclu´ımos que
Pn
→
Πqdo n → ∞.
††pela aperiodicidade dePe finitude deS
17
Obs
1) Segue do argumento acima que no caso irredut´ıvel aperi´ odico finito a convergˆ encia
Pn→
Π´ e exponencial/e r´ apida:
max
x,y∈S|
Px(X
n= y ) − π
x| ≤ const ζ
n, n ≥ 1, para algum 0 < ζ < 1.
2) Neste mesmo caso, pode-se usar a decomposi¸ c˜ ao de
Pna forma canˆ onica de Jordan, como indicado no ´ Album 4. Neste caso, podemos mostrar que h´ a apenas um autovalor com m´ odulo 1, que vamos denotar por λ
1(de fato, λ
1= 1, como j´ a indicamos antes) e que dentre os demais autovalores λ
2, . . . , λ
m(onde m = |S|), temos que η = max |λ
i| < 1. Segue que
max
x,y∈S|
Px(X
n= y ) − π
x| ≤ const n
kη
n, n ≥ 1, onde 0 ≤ k ≤ m − 1 ´ e o tamanho do bloco de Jordan
correspondente a η (o maior tamanho, se houver mais que um
bloco).
Obs (cont.)
3) Segue ainda da demonstra¸c˜ao acima‡‡, e do Teo 2, que, quandoS for finito, o Teo 4 pode ser enunciado, alternativa/e, da seguinte forma.
Teorema 4
0SejamS seja finito ePirredut´ıvel e aperi´odica. Ent˜ao, parax,y ∈ S, i) limn→∞Px(Xn=y) existe en˜ao dependedex;
ii) Fazendoπy = limn→∞Px(Xn=y),y ∈ S, temos queπ= (πx)x∈S ´e a´unicadistr invariante paraP; al´em disto,πy >0∀y ∈ S.
A unicidade deπsegue de (1) e da demonstra¸c˜ao acima: sejaµuma distr inv p/P; ent˜ao,∀n
µ=µPn; logo,µ= limn→∞µPn=µlimn→∞Pn=µΠ=π;
a positividade deπy ∀y foi estabelecida em (13).
Em particular, isto nos diz queµP=µ, visto com um sistema de eqs lineares c/inc´ognitas (µx,x∈ S) tem emµ=πa ´unica sl¸c probabil´ıstica.
‡‡que, note-se, vale apenas paraS finito, enquanto o Teo 4 vale tb paraS infinito (sob as conds de seu enunciado, ´e claro)
19
Convergˆ encia ao equil´ıbrio — Caso irredut´ıvel geral
Para enunciar o caso irredut´ıvel geral (˜n necessaria/e aperi´odico,
˜
n necessaria/e rec pos), come¸camos com um resultado preliminar.
Teorema 5SejaPirredut´ıvel. Ent˜ao∃um inteirod ≥1 (finito) e uma parti¸c˜aoS =C0∪ · · · ∪ Cd−1tq, fazendo Cnd+r =Cr,0≤r <d, (i)Pxy(n)>0 s´o sey∈ Cr+n, onder ´e tqx∈ Cr;
(ii) Dadosr ex ∈ C0,y∈ Cr, temos quePxy(nd+r)>0∀ngrande.
Obs.0)C0, . . . ,Cd−1s˜ao disjuntos.
1)d´e dito oper´ıododa CM/deP; o caso aperi´odico corresponde a d= 1.
2) Pode-se mostrar qued= mdc{n≥1 : Pxx(n) >0}, indep dex ∈ S.
3) A parti¸c˜ao ´e ´unica a menos de qual componente recebe o r´otulo ”0”, no caso em qued >1, o que ´e arbitr´ario entre osd componentes.
4) Este teo nos diz que, para 0≤r <d, seµse concentrar emCr, ent˜ao (Yn)n≥0= (Xdn)n≥0´e uma CM(µ,Pd) emCr, irredut´ıvel e aperi´odica, e, logo, a ela se pode aplicar o Teo 4, se for rec pos. Enunciaremos um resultado mais geral no Teorema 6 abaixo.
Obs.(cont.)/Exemplos
40) Na situa¸c˜ao acima, podemos escrever
Pd=
C0 C1 · · · Cd−1
C0 P0 0 · · · 0 C1 0 P1 · · · 0 ... ... ... . .. ... Cd−1 0 0 · · · Pd−1
, (14)
ondePr ´e irredut´ıvel e aperi´odica, 0≤r <d.
Exemplos
1) O Passeio Aleat´orio Simples emZ, com p∈(0,1), ´e irredut´ıvel e tem per´ıodod= 2 com C0={inteiros pares} eC1={inteiros ´ımpares} (ou vice-versa).
2) Cadeias com 4 e 3 estados e matrizes de trans dadas, resp, por
0 12 0 12
1
2 0 12 0 0 12 0 12
1
2 0 12 0
e
0 0 1
0 0 1
1 2
1 2 0
. Temos d= 2 em ambos os casos.
21
Teorema 6 (Teo geral de conv p/ cadeias irredut´ıveis)
Suponha quePseja irredut´ıvel e tenha per´ıodo d, e sejaC0, . . . ,Cd−1 a parti¸c˜ao estabelecida no Teo 5. Sejaµuma prob emS concentrada em C0, e (Xn)∼CM(µ,P). Ent˜ao, p/r = 0, . . . ,d−1 ey ∈ Cr, temos que
P(Xnd+r=y) −→
n→∞
d
my, (15)
ondemy =Ey(Ty)∗; em particular, se x∈ C0, Pxy(nd+r) −→
n→∞
d
my. (16)
Obs.1) Os casos transit´orio e recorrente nulo est˜ao inclu´ıdos; em ambos o limite se anula identicamente.
2) Usando a nota¸c˜ao de 40) acima, temos que, no caso rec pos do Teo 6,
d
my =πry =dπy, onde (πzr,z ∈ Cr) ´e a linha cte deΠr= limn→∞Pnr e (πw,w ∈ S) ´e a distr inv p/Pdada no Teo 3.
(Mas isto vale tb nos casos rec nulo e transit´orio, comΠr≡0eπy ≡0.)
∗d
∞ = 0
Obs 3
Seja Π=
C0 C1 · · · Cd−1
C0 Π0 0 · · · 0 C1 0 Π1 · · · 0 ... ... ... . .. ... Cd−1 0 0 · · · Πd−1
. (17)
Da Obs 2 acima, segue que ΠP= lim
n→∞PndP= lim
n→∞Pnd+1= lim
n→∞PPnd =P lim
n→∞Pnd =PΠ (18) Do Teo 5.i, temos que
P=
C0 C1 C2 · · · Cd−1
C0 0 R0 0 · · · 0 C1 0 0 R1 · · · 0 ... ... ... ... . .. ... Cd−2 0 0 0 · · · Rd−2 Cd−1 Rd−1 0 0 · · · 0
, (19)
ondeRr ´e uma matriz estoc´astica|Cr| × |Cr+1|, 0≤r <d †.
†Lembre queCd=C0. Qdod= 1,P=R0.
23
Obs 3 (cont.)
Para 0≤r <d, fa¸camos ˜πxr =
(πxr, se x∈ Cr; 0, se x∈ S \ Cr; e
˜
πr= (˜πrx,x ∈ S). De (18), usando (17) e (19), segue que
˜
πrP= ˜πr+1, 0≤r <d, (20)
onde ˜πd = ˜π0. Fazendo, finalmente,π= 1dPd−1
r=0 π˜r, temos πP= 1dPd−1
r=0 π˜rP=d1Pd−1
r=0 π˜r+1=π, (21)
e logoπ´e uma distr inv p/P(note queπ´e uma prob).
De fato, pelo argumento utilizado acima, logo abaixo do enunciado do Teo 40, temos queπ´e ´unica.
De novo, como no caso observado no Slide 19, aqui tb, seS for finito, ent˜ao o sistema de eqs lineares µP=µemµtem emµ=πa ´unica sl¸c probabil´ıstica.
Obs final
Neste ´ album, enunciamos sem provar (no caso geral, em que S pode ser infinito) os Teos 3, 4, 5 e 6.
Dos argumentos que apresentamos para o caso em que S ´ e finito, segue maior parte dos Teos 3, 4 e 6 neste caso.
Pontos que n˜ ao foram abordados no caso finito s˜ ao a equivalˆ encia afirmada no Teo 3, e a forma espec´ıfica de π ali estabelecida.
Ambos seguem do Teo Erg´ odico, a ser visto logo abaixo (depois de Reversibilidade).
25