5.5 - Existência da Cadeia de Markov

Você está aqui

Para garantir a existência da cadeia de markov, vamos construir um espaço de probabilidade para tal processo estocástico.

Considerando um experimento, vamos descrever o espaço de probabilidade $ (\Omega , \mathcal{F} , \mu ) $. Para uma variável aleatória $ X  $ que toma valores em

 \Omega \to \Re \]

O espaço amostral é no máximo um conjunto enumerável de valores, ou seja:

\[\Omega = \{\omega_n ;n \in \mathbb{N} \} \]

A $ \sigma - $álgebra é a classe de subconjuntos do espaço amostral,

 \ \omega \ \hbox{é subconjunto de \Omega } \} \]

e a probabilidade é

 \mathcal{F} \to [0 ,1] \]

o qual $ \mu  $ é a probabilidade do instante inicial da cadeia.

Agora em um segundo instante, vamos definir um espaço de probabilidade para um vetor de variáveis aleatórias  $  X = (X_1 , X_2 , \dots , X_n )  $

O espaço amostral para o vetor aleatória é o espaço amostral produto:

\[ \Omega^n = \Omega \times \Omega \times \dots \times \Omega \]

A $ \sigma - $álgebra é a $ \sigma - $álgebra produto, ou seja:

\[ \mathcal{F}^n = \mathcal{F} \times \mathcal{F} \times \dots \times \mathcal{F} \]

Como as variáveis aleatórias $ X_1 , X_2 , \dots X_n  $ não são independentes, existe probabilidade de transição entre as variáveis, não podemos proceder da mesma forma como no processo de Bernoulli. Mas da teorema de Bayes, temos:

\[ \mu(A|B) = \frac{\mu(A , B) }{\mu (B) }\]

ou seja,

\[ \mu(A , B) = \mu (A|B) \mu (B) \]

E como a probabilidade de transição de um estado para outro é conhecido, definimos a probabilidade sobre o vetor aleatório como

\[\eta (X_1 = i_1 , X_2 = i_2 ,\dots , X_n = i_n ) = \eta (X_1 = i_1 ) \eta (X_2 = i_2 | X_1 = i_1) \dots \eta (X_n = i_n | X_{n-1} = i_{n-1} ) \]

Assim temos um espaço de probabilidade $ (\Omega^n , \mathcal{F}^n , \eta ) $ para o vetor aleatório.

Agora queremos estender esta estrutura para uma sequência de variáveis aleatórias $  X = (X_1 , X_2 , \dots ) $ 

O espaço amostral para um sequência de variáveis aleatórias é 

\[ \Omega^{\infty } = \Omega \times \Omega \times \dots \]

A $ \sigma - $álgebra é a $ \sigma - $álgebra produto 

\[\mathcal{G} = \mathcal{F} \times \mathcal{F} \times \dots = \otimes \mathcal{F} \]

e a função de probabilidade $ \mathbb{P}  $ é definida da seguinte forma

\[\mathbb{P} = \eta(X_1 = i_1 ) \prod^{\infty}_{n=2} \eta (X_n = i_n | X_{n-1} = i_{n-1} )\]

 

Assim, temos um espaço de probabilidade $ (\Omega^{\infty} , \mathcal{G} , \mathbb{P} ) $ para a cadeia de Markov. Portanto a existência é garantida.

Processo Estocástico

Sobre o Portal Action

O Portal Action é mantido pela Estatcamp - Consultoria Estatística e Qualidade, com o objetivo de disponibilizar uma ferramenta estatística em conjunto com uma fonte de informação útil aos profissionais interessados.

Facebook

CONTATO

  •  Maestro Joao Seppe, 900, São Carlos - SP | CEP 13561-180
  • Telefone: (16) 3376-2047
  • E-Mail: [email protected]