2 votos

¿Puedo utilizar el Teorema Ergódico de Birkhoff para procesos vectoriales?

Tengo un proceso estacionario $\{u_n\}$ y tengo una función $f:\mathbb{R}^L\to \mathbb{R}^+$ . Quiero evaluar el siguiente límite $$\lim_{n\to \infty}\frac{1}{n}\sum_{k=1}^n g(f(\mathbf{u}_{k}))$$ donde $\mathbf{u}_k=\begin{bmatrix} u_k & u_{k-1} & \cdots & u_{k-L} \end{bmatrix}$ y $g$ es una función suave de valor real, es decir $g:\mathbb{R}\to \mathbb{R}$ .

Mi pregunta es

¿Puedo utilizar Teorema ergódico de Birkhoff aquí para concluir que $$\lim_{n\to \infty}\frac{1}{n}\sum_{k=1}^n g(f(\mathbf{u}_{k}))\stackrel{a.s.}{=}\mathbb{E}(g(f(\mathbf{u}_L)))?$$

Sé (al menos según mis conocimientos) que si hubiera sido $\lim_{n\to \infty}\frac{1}{n}\sum_{k=1}^n g(f({u}_{k}))$ la respuesta sería sí, pero no tengo muchos conocimientos de teoría ergódica para sacar conclusiones sobre este problema.

Perdonen mi falta de conocimientos en este tema y por eso hago esta pregunta, aunque quizás sea trivial para mucha gente de aquí; pero necesito entender esto. También sería genial si alguien puede amablemente dar alguna buena referencia para entender este teorema en el contexto de este problema (sé teoría de la probabilidad básica y procesos estocásticos y estoy aprendiendo teoría de la medida ahora).

1voto

Gopinath Puntos 6

La respuesta es no. Sólo con estacionariedad, el límite es la expectativa condicional con respecto al campo sigma invariante del operador de desplazamiento a la izquierda aplicado al espacio de trayectoria.

También necesitas ergodicidad (el campo sigma invariante es trivial). Esto es mucho más difícil de comprobar.

0voto

Wattsyaname Puntos 16

A menos que tengas un proceso realmente extraño en marcha, la sucesión de valores en diferentes lags: $\mathbf{u}_k=\begin{bmatrix} u_k & u_{k-1} & \cdots & u_{k-L} \end{bmatrix}$ también debe ser estacionaria

por lo que se puede aplicar el teorema

Sin embargo, si está realizando algún tipo de esquema de Monte Carlo, tenga mucho cuidado ya que diferentes esquemas pueden darle la misma distribución marginal para $u_n$ mientras que le da diferentes distribuciones conjuntas para $\mathbf{u}_k=\begin{bmatrix} u_k & u_{k-1} & \cdots & u_{k-L} \end{bmatrix}$

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X