Tomemos el ejemplo de una cadena de Markov con tres estados $0$ , $1$ y $2$ con probabilidades de transición
Esta cadena de Markov tiene precisamente dos componentes irreducibles correspondientes a los dos estados absorbentes $1$ y $2$ . Cada distribución $\pi$ con $\pi(1)+\pi(2)=1$ es estacionario. Pero dependiendo del estado inicial, la cadena de Markov acabará siendo absorbida por uno de los dos estados absorbentes. Por tanto, las medias ergódicas $(1/n)\sum_{m=0}^{n-1}f(X_m)$ convergerá casi con seguridad a una variable aleatoria con dos valores posibles $f(1)$ y $f(2)$ y, en particular, no convergerá a una constante a menos que $f(1)=f(2)$ .
En general, si una cadena de Markov no es irreducible, puede tener $0$ , $1$ o más componentes irreducibles, y cada uno de estos componentes puede o no soportar una distribución estacionaria. La convergencia de las medias ergódicas dependerá entonces de si la cadena termina o no en un componente irreducible y de si ese componente irreducible soporta o no una distribución estacionaria ( $\equiv$ es positivamente recurrente). Si $C_i$ es un componente irreducible con distribución estacionaria $\pi_i$ , entonces condicionado al evento de que la cadena de Markov termine en $C_i$ los promedios ergódicos convergerán casi con seguridad a la media $\sum_x\pi_i(x)f(x)$ .
Sólo una observación final: para la convergencia de las medias ergódicas, la aperiodicidad es irrelevante.