Teoria Ergódica (9 a aula)

Documentos relacionados
Exercícios de Teoria da Probabilidade e Processos Estocásticos Parte I

Demonstração. Ver demonstração em [1]. . Para que i j se tem µ i µ j? Determine a derivada no sentido de Radon-Nikodym em cada caso.

1.3 Conjuntos de medida nula

Exercícios de Teoria da Probabilidade e Processos Estocásticos Parte I

Exercício 18. Demonstre a proposição anterior. (Dica: use as definições de continuidade e mensurabilidade)

Métodos Matemáticos na Ciência de Dados: Introdução Relâmpago. II

Teoria Ergódica (22 a aula)

DANIEL V. TAUSK. se A é um subconjunto de X, denotamos por A c o complementar de

Reviso de Teoria da Medida e Elementos Bsicos de Probabilidade

Capítulo 1. Fundamentos

Teoria da Medida e Integração (MAT505)

MAT Cálculo Avançado - Notas de Aula

Notas de Teoria da Probabilidade e Processos Estocásticos

Fundamentos de Estatística

σ-álgebras, geradores e independência

No que segue, X sempre denota um espaço topológico localmente compacto

Probabilidade de Ruína e Processos de Lévy α-estáveis

MEDIDAS COM SINAL.. Uma medida com sinal σ-aditiva (ou, simplesmente, uma medida com sinal) µ(a n ) def = lim

Topologia e Análise Linear. Maria Manuel Clementino, 2013/14

Capítulo 1. Fundamentos

Introdução à Análise Funcional

Processos de Lévy: Preliminares

Exercícios de Teoria da Probabilidade e Processos Estocásticos Parte II

MAT 5798 Medida e Integração IME 2017

Notas de Teoria da Probabilidade e Processos Estocásticos

[À funç~ao d chama-se métrica e aos elementos de X pontos do espaço métrico; a condiç~ao (3) designa-se por desigualdade triangular.

Carlos Tenreiro. Apontamentos de Medida e Integração.

PROBABILIDADE PGE950

Processos de Markov a Tempo Contínuo e Sistemas de Partículas Parte 2

MAT 5798 Medida e Integração Exercícios de Revisão de Espaços Métricos

A estacionariedade prova-se de maneira semel- hante.

LISTA 3 DE INTRODUÇÃO À TOPOLOGIA 2011

Introdução à Teoria da Medida e Probabilidade. Jorge Salazar

Probabilidade IV. Ulisses U. dos Anjos. Departamento de Estatística Universidade Federal da Paraíba. Período

Noções (básicas) de Topologia Geral, espaços métricos, espaços normados e espaços com produto interno. André Arbex Hallack

Topologia. Fernando Silva. (Licenciatura em Matemática, 2007/2008) 13-agosto-2018

Probabilidade. Daniel Miranda e Rafael Grisi. Versão 0.78b

Variáveis Aleatórias Bidimensionais &Teoremas de Limite 1/22

Notas Para o Curso de Medida e. Daniel V. Tausk

O TEOREMA DE FUBINI, LEIS CONJUNTAS E A CONSTRUÇÃO DE SUCESSÕES DE VARIÁVEIS ALEATÓRIAS INDEPENDENTES

13 de novembro de 2007

Compacidade de conjuntos e operadores lineares

Probabilidade II. Departamento de Estatística. Universidade Federal da Paraíba

Então (τ x, ) é um conjunto dirigido e se tomarmos x U U, para cada U vizinhança de x, então (x U ) U I é uma rede em X.

3 Apresentação do processo e resultados preliminares

Teoria da medida e integral de Lebesgue

O movimento Browniano

Módulo III: Processos de Poisson, Gaussiano e Wiener

Introduziremos neste capítulo dois conceitos de importância fundamental em Matemática, o conceito de Espaço

MAT ÁLGEBRAS DE OPERADORES 2 SEMESTRE DE 2017 LISTA DE PROBLEMAS

1 Aula do dia 08/08/2005

Continuidade de processos gaussianos

LEEC Probabilidades e Estatística 1 a Chamada 13/06/2005. Parte Prática C (C) M 1% 9% 10% (M) 4% 86% 90% 5% 95% 100%

O que é Dimensão? Augusto GEROLIN (ENS-Lyon / Université Joseph-Fourier) 3 o EIAGIME - USP. 29 de agosto de 2010

Exercícios de topologia geral, espaços métricos e espaços vetoriais

Notas de Aula. Medida e Integração

Distribuies de Probabilidade

Imersões e Mergulhos. 4 a aula,

Teoria da Probabilidade e Processos Estocásticos Mestrado em Matemática Financeira

Espaços Topológicos e Espaços Mensuráveis. Definições e Propriedades Básicas

Laboratório Nacional de Computação Científica LNCC, Brasil URL: alm URL: alm/cursos/medida07.

UNIVERSIDADE FEDERAL DE PERNAMBUCO DEPARTAMENTO DE ESTATÍSTICA. Medida e Probabilidade

Capítulo 2. Variáveis Aleatórias e Distribuições

Análise Funcional. José Ferreira Alves. Março de Faculdade de Ciências da Universidade do Porto Departamento de Matemática Pura

Princípios de Modelagem Matemática Aula 10

CURTA REVISÃO SOBRE PROBABILIDADE E PROCESSOS ESTOCÁSTICOS

As leis dos grandes números

Probabilidade axiomática

2.4 Esperança e distribuição condicionais

1. Espaços mensuráveis; σ-álgebras. Seja Ω um conjunto.

2 Transformações que preservam medida Exemplos Isomorfismos O Teorema da Recorrência de Poincaré...

Estatística e Modelos Probabilísticos - COE241

Entropia Topológica de Aplicações e de Ações de Semigrupos

35 a Aula AMIV LEAN, LEC Apontamentos

Dado um inteiro positivo n, definimos U(n) como sendo o conjunto dos inteiros positivos menores que n e primos com n. Não é difícil ver que a

1 Álgebra linear matricial

Começamos relembrando o conceito de base de um espaço vetorial. x = λ 1 x λ r x r. (1.1)

2.4 Integração de funções complexas e espaço

Introdução à Probabilidade

Probabilidade e Estatística

2 Conceitos de Teoria da Probabilidade

Teoria das Desições Financeiras II p.1/22

1 Experimentos, espaço amostral, eventos

x B A x X B B A τ x B 3 B 1 B 2

Módulo II: Cálculo dos Momentos de um Processo Estocástico, Processo de Bernoulli, Processo Random Walk

PROCESSOS ESTOCÁSTICOS E APLICAÇÕES

As leis dos grandes números

Fabio Augusto Camargo

MAT-330: Teoria dos Conjuntos

Programa Combinatória Aritmética Racional MATEMÁTICA DISCRETA. Patrícia Ribeiro. Departamento de Matemática, ESTSetúbal 2018/ / 52

TE802 Processos Estocásticos em Engenharia. Valores Esperados de Somas de Variáveis Aleatórias Notes. PDF da Soma de Duas Variáveis Aleatórias.

Topologia Geral. Ofelia Alas Lúcia Junqueira Marcelo Dias Passos Artur Tomita

Curso: MAT 221- CÁLCULO DIFERENCIAL E INTEGRAL IV Professor Oswaldo Rio Branco de Oliveira Período: Segundo Semestre de 2008

TE802 Processos Estocásticos em Engenharia. Valores Esperados de Somas de Variáveis Aleatórias. TE802 Somas de Variáveis Aleatórias

ANÁLISE E TOPOLOGIA. 1 o semestre. Estudaremos neste curso alguns dos conceitos centrais da análise matemática: números reais, derivadas,

Quinta lista de Exercícios - Análise Funcional, período Professor: João Marcos do Ó. { 0 se j = 1 y j = (j 1) 1 x j 1 se j 2.

Aula vinte e quatro: Sequências de funções contínuas e limites

Probabilidade. Experiências aleatórias

Transcrição:

Outubro 2012

Espaços de Sequências Seja (X, d 0 ) um espaço métrico compacto. B Z (X ) = X Z = { x = (x j ) j Z : x j X, j Z } B N (X ) = X N = { x = (x j ) j N : x j X, j N } B(X ) designa indiferentemente qualquer destes espaços Proposição B(X ) é um espaço métrico compacto quando munido da métrica d(x, y) = d 0 (x j, y j ) 2 j. j A convergência associada a esta métrica é a convergência pontual, i.e. lim n + x (n) = x lim n + x (n) j = x j, j.

Espaços de Símbolos Um espaço de símbolos finito X = {1,..., n}, munido da métrica discreta { 0 se i = j d 0 (i, j) =, 1 se i j é o exemplo mais simples dum espaço métrico compacto. Os espaços de sequências de símbolos no conjunto {1,..., n} designam-se respectivamente por B Z (n) e B N (n), ou simplesmente B(n).

Os Shifts Chama-se shift (bilateral) ao homeomorfismo σ : B Z (X ) B Z (X ) definido por σ(x) = (x n+1 ) n Z. Chama-se shift (unilateral) ao mapa contínuo σ : B N (X ) B N (X ) definido por σ(x) = (x n+1 ) n N.

Cilindros num Espaço de Sequências Dados borelianos A 0,..., A n num espaço métrico compacto X, o conjunto C[k, A 0,..., A n ] = { x B(X ) : x k A 0,..., x k+n A n } diz-se um cilindro de B(X ). Cada cilindro é um produto cartesiano infinito com um número finito de factores não triviais.

A Topologia Produto Chama-se cilindro aberto de B(X ) a um cilindro C[k, A 0,..., A n ] em que os conjuntos A 0,..., A n sejam abertos de X. Os cilindros abertos formam uma base de abertos do espaço B(X ), i.e., qualquer aberto de B(X ) é uma união de cilindros abertos.

Teorema de Extensão de Caratheodory Chama-se semi-álgebra de partes de X a uma classe A P(X ) que contem e X, é fechada para intersecções, e tal que a diferença de quaisquer dois elementos de A se escreve como união disjunta finita de elementos de A. Chama-se pre-medida a uma função µ : A [0, + ] que seja σ-aditiva e tal que µ( ) = 0. A pre-medida µ diz-se σ-finita se existirem A 1, A 2,... A tais que X = n 1 A n e µ(a n ) < + para cada n 1. Teorema Dada uma pre-medida σ-finita µ : A [0, + ] sobre uma semi-álgebra A, existe uma única medida µ : σ(a) [0, + ] que é uma extensão de µ.

A Álgebra dos Cilindros Os cilindros de B(X ) formam uma semi-álgebra de partes de B(X ). 1. e B(X ) são cilindros, 2. A e B são cilindros A B é um cilindro, 3. A e B são cilindros A B é uma união disjunta dum número finito de cilindros. Chama-se álgebra dos cilindros à álgebra formada pelas uniões finitas de cilindros (disjuntos dois a dois) de B(X ).

σ-álgebra dos Borelianos de B(X ) Proposição São iguais as σ-álgebras geradas por: 1. todos os abertos de B(X ), 2. todos os cilindros abertos de B(X ), 3. todos os cilindros de B(X ). Esta σ-álgebra diz-se a σ-álgebra dos borelianos de B(X ).

Construção de Medidas Produto Dada uma medida de probabilidade de Borel regular µ sobre os borelianos de X, define-se para cada cilindro µ (C[k, A 0,..., A n ]) = µ(a 0 ) µ(a 1 )... µ(a n ). Proposição Assim definida, µ é uma pré-medida na semi-álgebra dos cilindros de B(X ).

Medidas de Bernoulli Pelo teorema de extensão de Caratheodory a medida µ estende-se a uma medida de probabilidade µ na σ-álgebra dos borelianos de B(X ). No espaço produto B Z (X ), resp. B N (X ), a medida µ é o que se chama uma medida produto, sendo denotada por µ Z, resp. µ N. A medida µ diz-se também uma medida de Bernoulli. Proposição Partindo duma probabilidade de Borel regular µ sobre os borelianos de X, as medidas de Bernoulli associadas em B Z (X ) e B N (X ) são também medidas de Borel regulares.

O Shift Preserva as Medidas de Bernoulli Proposição Os shifts σ : B Z (X ) B Z (X ) e σ : B N (X ) B N (X ) são transformações que preservam todas as medidas de Bernoulli nos espaços B Z (X ) e B N (X ). Chama-se Shift de Bernoulli a qualquer um destes shifts visto como transformação que preserva uma medida de Bernoulli.

Variáveis Aleatórias Sejam (Ω, A, P) um espaço de probabilidade, (X, d) um espaço métrico compacto, e B a σ-álgebra dos borelianos de X. Chama-se variável aleatória a qualquer função mensurável ξ : Ω X. Chama-se evento de ξ a qualquer conjunto A-mensurável da forma [ ξ B ] = ξ 1 (B), onde B B é um boreliano. Chama-se distribuição de probabilidade induzida por ξ à medida µ em (X, B) definida por: µ(b) = P[ ξ B ].

Processos Estocásticos Chama-se processo estocástico a uma sucessão de variáveis aleatórias ξ n : Ω X indexada no tempo T = N ou T = Z. Um processo estocástico determina uma função ξ : Ω B T (X ), definida por ξ (ω) = {ξ n (ω)} n T, que é mensurável relativamente à σ-álgebra dos borelianos de B T (X ). O cilindro C[k, A 0,..., A n ] de B T (X ) determina o evento em A, [ ξ k A 0,..., ξ k+n A n ] = ξ 1 ( C[k, A 0,..., A n ] ). Chama-se distribuição conjunta induzida pelo processo ξ n à medida µ sobre os borelianos de B T (X ) definida por: µ(b) = P[ ξ 1 (B) ].

Processos Estocásticos I. I. D. Um processo estocástico diz-se independente e idênticamente distribuído, i.e., i.i.d., sse k, n T, A 0,..., A n B, 1. P[ ξ k A 0,..., ξ k+n A n ] = P[ ξ k A 0 ]... P[ ξ k+n A n ], 2. P[ ξ 0 A ] = P[ ξ n A ]. Teorema Seja {ξ n } n T um processo estocástico i.i.d. Seja µ a distribuição conjunta por ele induzida e µ a distribuição de probabilidade induzida por qualquer das variáveis ξ n. Então µ = µ T é uma medida de Bernoulli, i.e., uma medida produto.

Shifts de Bernoulli: Interpretação Probabiĺıstica O shift de Bernoulli σ : B T (X ) B T (X ) que preserva uma medida µ T determina um processo estocástico i.i.d. com valores em X, e distribuição comum µ. Definindo ϕ 0 : B T (X ) X, ϕ 0 (x) = x 0, e para cada n T, ϕ n : B T (X ) X, ϕ n (x) = (ϕ 0 σ n )(x) = x n. {ϕ n : B T (X ) X } n T é um processo i.i.d. rel. µ T. Qualquer processo i.i.d é equivalente a um processo i.i.d. determinado por um shift de Bernoulli (Ω, A, P) ξ ξ n (X, B, µ) ( BT (X ), B, µ T ) ϕn (X, B, µ)