PROPIEDADES ESTADISITICAS DE SISTEMAS DINAMICAS

INTRODUCCIÓN

Recordemos que es un sistema dinámico (para el caso uno en tiempo discreto).

X es un espacio métrico compacto F:X—X es una transformación continua (d es la distancia en X)
Por ejemplo:
FORMULA, IMAGEN

X es el espacio de estados o de configuraciones y F es el “operador” de evolución.

La órbita de una condición inicial Xo +X es la secuencia:
X…..
Donde
FORMULA

En el dibujo tenemos una condición inicial para

FORMULA

Tal que
FORMULA

La órbita converge a un punto fijo. Este punto fijo es un punto de equilibrio inestable, i, e;
FORMULA
¿? Suficientemente pequeño de modo que
FORMULA

X*, es tal que

FORMULA

T ¿Qué tan grande puede tomarse S?

MEDIDAS Y MEDIDAS AMPÍRICAS

Primero vamos a revisar el concepto de medida (de probabilidad para el caso) y de ahí iremos a las medidas
empíricas.
En nuestro caso los “eventos fundamentales” son las bolas abiertas en nuestro espacio de configuraciones
FORMULA

Para definir una medida necesitamos asignar a cada “evento fundamental” una probabilidad de que ocurra
FORMULA

Y se debe cumplir lo siguiente

FORMULA

Luego ¿? Se extiende a otros “eventos” que se puedan obtener por uniones numerables y complementaciones
de “eventos fundamentales”
Por ejemplo
En X…. los eventos fundamentales son los intervalos abiertos. Un evento compuesto es el conjunto de cantor
diadico ¿?
FORMULA

T ¿Por qué un intervalo cerrado es un evento?

P Proyecto: escribir un programita en octave que dibuje una esponja cantoriana hasta el nivel 10 por ejemplo

Ahora si definimos las medidas empíricas

Dando un sistema dinámico (X,F), a cada condición inicial Xo y cada tiempo T le aplicamos la medida de
probabilidad
FORMULA
Donde……….y E es un evento cualquiera

¿? …. Da la proporción del tiempo entre o y T que la órbita de Xo reside en E.

Recordemos que la órbita de Xo es la secuencia Xo……….Xn donde ……………….

Por ejemplo
FORMULA

Con octave generamos los datos

FORMUAL, IMAGEN

Resulta que en este ejemplo ¿? Se aproxima a la medida uniforme, así que podemos usarla para aproximar
integrales
FORMULA

Así que dada una función continua por pedazos …………… tendremos
FORMULA

Que coinciden con el promedio temporal, en el curso de la órbita, de los valores que toma la función g.
Así, si tomamos ….…., FORMULA tendremos (de acuerdo a nuestro programita octave).
FORMULA

Cuando por otro lado

FORMULA

TEOREMA LIMITE UN
Comenzamos con una versión algo general y sin pruebas 8luego iremos a una versión menos general) y unas
demostraciones a hechos relacionados con el teorema.
El principal resultado sobre el comportamiento asintótico (T….) de las medidas empíricas es el siguiente:
TMA 1 Nos damos un sistema dinámico (X,F) supongamos que las condiciones iniciales se distribuyen de
acuerdo con la medida ¿?, entonces las medidas empíricas ¿? Emergen para todo Xo en un conjunto ¿?.... de
medida total, es decir,
FORMULA

Preguntas
¿En qué sentido converge ¿??
¿Se puede saber hacia que converge?

Comentario:
El enunciado del TMA1 deriva del conocido como “Teorema de Birkhoff”. El enunciado del Teorema de
Birkhoff en realidad dice los siguiente:
TMA B Sea f…… integrable con respecto a ¿? Y supóngase que ¿? Es F – invariante Entonces
FORMULA

Para casi todo X con respecto a ¿?.

De modo que en el enunciado del TMA1 habrá que añadir que ¿? Pertenece a una clase especial de medidas.

ALGUNAS DEFINICIONES
La medida ¿? Es F – invariante sí
FORMULA

Para todo evento E.

Las medidas invariantes describen situaciones estacionarias, es decir, situaciones que no cambian
estadísticamente con el paso del tiempo.
Nótese que para toda función integrable según ¿?, digamos la función ¿…… tenemos que
FORMULA

Por cierto, para aquellos que no sepan que quiere decir, que f sea integrable según ¿?, o respecto de ¿?, o ¿?
Integrable, piensen por lo pronto que f puede aproximarse por funciones constantes por pedazos,
FORMULA

Donde ¿……. Es un numero real y ¿… es el evento de los puntos X…. tales que ……………., y en tal caso f será ¿?
Integrable sí
FORMULA

En tal caso FORMULA es el limite

FORMULA

Mas comentario
En todo caso, no requerimos en el enunciado del TMA1 que ¿? Sea F- invariante, sino que sea absolutamente
continua respecto a una medida invariante, o lo que es lo mismo, que existe ¿? F- invariante tal que …………….
Respondiendo a las preguntas
Cuando decimos que
FORMULA

Entendemos que
FORMULA

Para toda bola abierta.

De ahí se extiende a todo evento y en particular tenemos
FORMULA

Que se escribe también como

FORMULA

¿Qué pasa con V? Es decir ¿Quién es V?

En general V depende de Xo y todo lo que podemos saber es que es F- invariante.
Dada FORMULA .. tal que
FORMULA

Y tal que

FORMULA

FORMULA de modo que

FORMULA

FORMULA tomando FORMULA tendremos que

FORMULA

Y como ¿? Es arbitrario, entonces ya tenemos la invariancia respecto a F.

Se da un caso interesante y práctico cuando elegimos condiciones iniciales usando ¿?, una medida que es
ergodica, ( o absolutamente continua respecto a una medida ergodica).

Una medida invariante ¿? Es ergodica si …………..

En el TMA1, si elegimos condiciones iniciales usando una medida ¿? Que es ergodica (o que es absolutamente
continua respecto a tal ¿? Ergodica), entonces tendremos que
FORMULA

¿Por qué?
Lo que pretendemos es que el limite no depende de Xo en un conjunto de medida total ¿?.
Supongamos por el contrario que hay dos tipos de condiciones iniciales A,B, CX tales que
FORMULA

Y tales que
FORMULA

Nótese que si X….. entonces

FORMULA

Con X…….
FORMULA

Luego
FORMULA

Así que tomando

FORMULA

Obtenemos conjuntos invariantes tales que

FORMULA

Obviamente A….. ¿Por qué? Y como son F- invariantes, entonces si ¿?......, de modo o bien ¿?...... en cuyo caso
¿?.......

A manera de ejemplo
Tomamos
FORMULA

Y condiciones iniciales usando la medida uniforme (lebesgue).

Calculamos la distribución de …… para ….. al azar (respecto a lebesgue) y ……..
Aproximamos ……… por sus valores en intervalos de tamaño ………..

IMAGEN Mostrar el programa y dejar como tarea el encontrar

la buena distribución asintótica

DECAIMIENTO DE CORRELACIONES E INDEPENDENCIA, Y LA PRUEBA DE UN TEOREMA LÍMITE

Se trata de lo siguiente:
Tenemos un sistema dinámico (….) y consideramos dos eventos (no necesariamente fundamentales).
……………….. nos damos ¿? T- invariante. La correlación a tiempo T de ambos eventos esta dada por la cantidad
FORMULA

Se supone que ¿? Describe la estadística del sistema (o da la estadística del sistema). La estadística temporal
quiero decir.

Podemos también normalizar la correlación de modo que

FORMULA

También es una medida de correlación. Requerimos en ambos casos que

FORMULA

Decimos que hay decaimiento de correlación (con respecto a la medida invariante ¿?) si para todo par de
eventos ……….. tales que
FORMULA

¿Qué quiere decir y que implica esto?

FORMULA

Significa que los eventos …… y …….. son independientes, lo que se puede entender así:
FORMULA

“La proporción de condiciones iniciales en …… que a tiempo ….. visitan E, nomas depende de E”
Hay decaimiento de correlaciones cuando la dinámica independiza los eventos.

Por ejemplo
El sistema ……. Con …….. y
FORMULA

Tiene a lebesgue como medida invariante, de hecho, para todo intervalo abierto …………………. Tenemos
FORMULA

De modo que
FORMULA

Ahora, ………. Temos que

FORMULA

De manera que
FORMULA

Entonces tenemos
FORMULA
De esta forma probamos que F da lugar a decaimiento de correlaciones con respecto a la medida de lebesgue.
Otra manera de decir esta es que X es mezclante respecto a F

TMA 2 Resulta que si ¿? Es una medida invariante para el sistema (X,F) y hay decaimiento de correlaciones
respecto a esa medida invariante, a lo que es lo mismo, si ¿? Es F- mezclante, entonces ¿? Es ergódica
De hecho, si E es un evento invariante, entonces
FORMULA

Podemos probar “directamente” una versión del TMA 1 para el caso particular de ……………
FORMULA

TMA 3 Dados (X,F) y ¿? Como se acaban de describir, y ……………… con ……………….., entonces
FORMULA

A manera de calentamiento vamos a probar el enunciado para el caso n=1.

Escribamos cada …………….. en base 2 (en su versión que no termina, por ejemplo)
FORMULA

Tenemos 2 posibles eventos

FORMULA

Basta considerar uno de ellos ¿Por qué?

Tomemos ………………
FORMULA

Entonces
FORMULA

Nos damos …….. y nos preguntamos por la medida (de lebesgue) del conjunto
FORMULA

Nótese que ….. es una unión de intervalos didácticos. Cada intervalo que compone …… esta definido por su
extremo izquierdo ……………… cada uno de estos intervalos tiene medida ………, entonces
FORMULA

Ahora usamos la formula de Stirling que dice:

FORMULA

Así, después de cierta talacha que queda como ejercicio, tendremos

FORMULA

Con …………………………….
Resulta que ………………. Y más importante
FORMULA

De modo que
FORMULA

Tomemos ahora
FORMULA

Entonces tendremos
FORMULA

Ahora ……………. Quiere decir que ……………………..

En particular, sí esto pasa podemos asegurar que …………………………….

¿Por qué?

Tomemos entonces que

FORMULA

Como ……… entonces

FORMULA

Y con eso probamos que

FORMULA

Esta es una Ley Fuerte de Grandes Números

Nota: podríamos alternativamente usar una desigualdad de chebischev
FORMULA

Para obtener algo similar a la desigualdad (1).

TRANSFORMACIONES MARKOVIANAS Y SU CODIFICACIÓN

Comencemos con la versión afín por pedazos en el intervalo [a, b] ….
F:[a, b] ----- ¿?, es afín por pedazos y markoviana si podemos partir [a, b] en un numero finito de intervalos
cerrados
FORMULA
Tales que
FORMULA
Y tales que
FORMULA

Y además (esta es la Markovianidad)

FORMULA

Por ejemplo
FORMULA

Es afín por pedazos y markoviana respecto a la partición

FORMULA, IMAGEN

La codificación natural de una transformación markoviana

FORMULA

Definimos (o mejor dicho, le asociamos) el siguiente conjunto ( o mejor dicho, espacio) de secuencias de
símbolos
FORMULA

Podemos pensar en ¿? Como en el conjunto de todos los caminos infinitos en la grafica dirigida
FORMULA

Y ……………, como conjunto de aristas.

Dotamos a ¿? Con una distancia
FORMULA

Pruebe que es una distancia

Dotamos a ¿? De una dinámica

FORMULA

La pareja ……… es un sistema dinámico (sistema simbólico se llama)

Pruebe que ¿? Es continua respecto a la distancia d.

Ahora probaremos la equivalencia. Los sistemas ([a, b],F) y (¿?,..) son equivalentes en el siguiente sentido
La función
FORMULA
Es sobreyectiva y tal que
FORMULA
¿Por qué es sobreyectiva?
¿Cuál es el problema con la definición de …..?

Más adelante nos vamos a ocupar del caso cuando ………… (casi por todos lados), pero por lo pronto veamos
un ejemplo
FORMULA

En este caso
FORMULA

El grado dirigido que se describe al sistema simbólico asociado es:

IMAGEN

Ahora pasamos a las matrices de transición y la cadena en sí.

Dada una transformación markoviana
FORMULA

Como las descritas antes, podemos definir una matriz de transición

FORMULA

¿Qué pasa con esta matriz?

Es una matriz de probabilidad,
FORMULA

Además, si tomamos como vector de probabilidad al tiempo T=o a

FORMULA

Entonces el producto
FORMULA

Da la distribución a tiempo T.

Explicación
…… (k, j) es el volumen (longitud mas bien) relativa del intervalo [aj, bj], respecto al volumen de la imagen
……………………
La que por definición tiene longitud
FORMULA

Si escogemos Xo al azar en [a, b], entonces la probabilidad de que …….. es justamente

FORMULA
Al paso ………., la probabilidad de que …………… se calcula como:
FORMULA

Aquí ……… es el volumen relativo de condiciones iniciales en [ …..] que al tiempo T=1 va a dar a [aj, bj].
De modo que
FORMULA

Por inducción obtenemos que

FORMULA

Pasamos a examinar distribuciones iniciales arbitrarias y medidas de cilindros

A tiempo T=o podemos considerar otras distribuciones que no sean lebesgue (proporcional a la longitud de los
intervalos9
Así, podríamos tomar
FORMULA

Con tal distribución inicial, la probabilidad de observar un intinerario dado

FORMULA

Estará dada por

FORMULA

Vemos como un intinerario …….. coincide con un intervalo

FORMULA

Así que ………… nos sirve para dar peso a los intervalos asociados a intinerarios

Demuestre que (explique por que)

FORMULA

Decimos que la “partición” ………… es generadora respecto a ……………….. tenemos

FORMULA

En este momento podemos regresar al problema de la equivalencia

FORMULA

Esta bien definida casi para todo ¿? (excepto para un numero numerable de puntos en [a, b] y es 1-a-1
también casi en todos lados si ………. es generadora
FORMULA

Argumento
Entonces si ……………….. tendremos
FORMULA

CADENAS DE MARKOV
En general una cadena de Markov es una forma de especificar una medida en un conjunto de cadenas de
símbolos. Nos damos los símbolos [1,2,….,N} y una regla de transiciones posibles
FORMULA

Que alternativamente puede incluir en, o especificar usando, una matriz de adyacencia
FORMULA

Con lo anterior definimos el espacio de configuraciones

FORMULA

Con su distancia
FORMULA

Y su dinámica
FORMULA

Eventos elementales en este caso son los intinerarios de longitud finita o cilindros
FORMULA

Demostrar que tales conjuntos son bolas abiertas en ¿? Con la distancia d.

La medida se define a partir de una matriz de probabilidad ¿? Compatible con

FORMULA

Y también apartir de un vector de probabilidad ………..

La medida, que llamamos markovianas está dada por

FORMULA

En toda esta página ……… están dados.

La medida ……….. es ¿?- invariante si y solo si

FORMULA

De hecho, como
FORMULA

Entonces
FORMULA

¿Cuál es la medida invariante asociada a una transformación markoviana (de entre las absolutamente
continuas respecto a lebesgue)
Sea ¿? Como antes,
FORMULA

Entonces ………. Define junto con ……. Una medida invariante si

FORMULA

Podemos tomar ………………. Y en tal caso

FORMULA

Acordemos que
FORMULA

Luego ¿? Define una medida invariante si y solo si

FORMULA

Además necesitamos tomar ¿? Tales que

FORMULA

Resulta que lebesgue es invariante

FORMULA

¿Qué queremos decir con esto?

Bueno, cuando …….. es generadora, entonces toda medida en ¿? Induce una medida en [a, b] de la
manera natural
FORMULA

Y además, si ……… entonces X es invariante bajo F

Demostrar estas afirmaciones

Notemos que
FORMULA

En general ………. Es absolutamente continua con respecto a lebesgue

¿Por qué?
ERGOCIDAD Y MEZCLADO EN CADENAS DE MARKOV
Nos damos una matriz de adyacencia ………………….. , una matriz de probabilidad ¿? Compatible con ¿?, y
un vector ……………. Tal que
FORMULA

Nos preguntamos cuando es que ……… es ergodica o mezclante respecto a ¿?

Podemos siempre referirnos a una transformación markoviana, aunque hay mas cadenas de Markov que
transformaciones markovianas con el mismo numero de símbolos (estados)

Decimos que ¿? Es irreducible si no se puede, después de permutar índices, escribir como

FORMULA

Donde B y D son matrices cuadradas.

Decimos que ¿? Es primitiva si
FORMULA

Un bonito teorema de teoría de matrices (el teorema de perron-frobenius) nos asegura que:
…………… es ergodica  ¿? Es irreducible
…………… es mezclante  ¿? Es primitiva

No iremos a los detalles de estos resultados (nunca acabaríamos el curso; en fin, nunca a tiempo), pero vamos
a ver un ejemplo interesante
FORMULA

Es compatible con
FORMULA

¿Cuál es la medida invariante?

Resolviendo para el vector invariante a la izquierda, …………. Normalizando ……….. obtenemos
FORMULA

Hacer el cálculo. ¿? Tome en cuenta que ………..

Ejercicio numérico
Dibujar el histograma
FORMULA, IMAGEN

MARKOVIANAS SIN TRASFORMACION

Hay cadenas de Markov que no pueden asociarse a una transformación markoviana
Por ejemplo
IMAGEN, FORMULA
A MANERA DE REPASO
De cualquier forma, dado un grafo dirigido …………………………….., podemos siempre definir un sistema
simbólico.
FORMULA

Con la distancia y la dinámica o como la definimos anteriormente

Dada una matriz de probabilidad
FORMULA

Y un vector de probabilidad …………..

(recordemos que ……..)
Podemos siempre definir una medida ……… en ¿? , dada por
FORMULA

Recordemos que
FORMULA
es una bola abierta.

PROPIEDADES
………. Es estacionaria, o ¿?- invariante, si y solo si
FORMULA

………….. es ergodica si es invariante y además ¿? Es irreducible

………….. es mezclante si es invariante y además ¿? Es primitiva

Si no hay una transformación detrás de ……… y ¿?

¿Cómo hacemos para generar una secuencia genérica respecto de ………?

CASO EN EL QUE SI HAY TRANSFORMACIÓN

En el caso en que ……….. y ………… para algún ………….. markoviana, entonces podemos generar una
secuancia genérica de la manera siguiente:
1.- Tomamos ……….. aleatorio según lebesgue
2.- calculamos el segmento de órbita de longitud T, y para borrar transitorios eliminados un prefijo de longitud
to.
FORMULA

3.- Calculamos el intinerario de la órbita

FORMULA

Con
FORMULA
Aquí va la pregunta

Nos estamos dando ……. Y la matriz de probabilidad ¿? Compatible con ¿?

Queremos generar una secuencia Wo, W……………… que sea genérica con respecto a la medida invariante
definida por ¿?.
Suponemos que ¿? Es primitiva, de modo que define una única medida invariante ……………, donde
V es la única solución a
FORMULA

La secuencia (……….. ) debe ser tal que ………. . . . . . .

FORMULA

O sea
FORMULA

Experimento
IMAGEN, FORMULA

Y mas FORMULA

Calculamos la secuencia ( . . ………… ) de la siguiente manera

FORMULA

Luego fijamos cualquier palabra ………. Que sea admisible en ¿?, por ejemplo 123431
Tenemos que
FORMULA

Ahora corremos la rutina

FORMULA

Luego esperamos que

FORMULA

Sería bueno hacer varias pruebas en T, y comparar en una grafica.

TEOREMA DE PERRON-FROBENIUS
(Esta sección puede verse como un apéndice, aquí vamos a enunciar el teorema de perron-frobenius al menos
una de sus versiones)
Veremos las implicaciones de este en la teoría ergodica de las cadenas de Markov, y propondremos unos
experimentos divertidos al respecto.

Una matriz se dice primitiva si es ¿? Y una de sus potencias es > o, es decir

FORMULA

Para toda matriz primitiva tenemos lo siguiente

TMA 4
Sea M primitiva, entonces
FORMULA

Además ¿? Es un valor propio simple y tiene vectores propios V>o W>o a la derecha e izquierda tales que
FORMULA

Y tales que
FORMULA

Para todo x y para cierto C>o y ………. Que dependen de M

Ahora podemos probar que toda cadena de markov con matriz ¿? Primitiva cumple:
1) Hay un único vector invariante a la izquierda ………..
2) Existen constantes ……………… tales que
FORMULA

El perron-frobenius implica que

FORMULA con texto raro

MAS FORMULAS

Entonces perron-frobenius se traduce en

FORMULA

Como 1 es v.p. simple, entonces …… es el único que satisface tal cosa.

COROLARIO
La ecuación (2) implica que toda cadena de Markov, definida por una matriz primitiva ¿?, junto con su vector
invariante 8unico) ¿?, definen una medida ….. que es mezclante.
De hecho, dadas dos bolas abiertas
FORMULA

Donde ¿? Es la cadena de Markov compatible con ¿?, entonces

SERIE DE FORMULA

Como nota
Se puede probar que si, ¿? Es solamente irreducible, entonces hay un único vector invariante a la izquierda y
lamedida ….. es débilmente mezclante, es decir,
FORMULA

Donde …………………….. y A, B son cilindros

Para esto tomamos en cuenta la descomposición en bloques
IMAGEN

De una matriz irreducible y de periodo

Se deja de tarea al estudiante ávido de ir mas adelante en este proyecto

La descomposición (3) es tal que

IMAGEN

Donde
FORMULA

Es primitiva. No iremos mas adelante en este desarrollo.

Experimentamos numéricamente con las matrices primitivas

IMAGEN

Para los que conocemos los vectores invariantes (que puesto de las matrices son primitivas) únicos
FORMULA

EJERCICIO PRELIMINAR
Probar que ¿? Y ¿? Son de hecho primitivas

EJERCICIO NUMERICO
Comparar ………………… y dibujar la diferencia en ……..
Hacer lo mismo para ………….
Estimar por regresión lineal (habrá un apéndice al respecto) las constantes C y E tales que
FORMULA
Hacer lo mismo para ¿? Y n

COMENTARIOS FINALES RELATIVOS A NUMEROS PSEUDO-ALEATORIOS

La función rand (1) se basa en un algoritmo que genera una lista de enteros modulo G
Dado ……………. Generamos la secuencia
FORMULA

Y usamos la secuencia de racionales ……………… como números pseudo aleatorios en [0, 1]

Parámetros que se han encontrado “buenos”
FORMULA

El o los métodos de Monte carlo usan números pseudo aleatorios para generar realizaciones típicas de
procesos y usarlas para calcular medidas o integrales a lo que se en nuestro caso rand (1), entra en la
generación de la realización típica
FORMULA

De una cadena de Markov dada.

Un mapeo mezclante en [0, 1] que deje invariante a lebesgue también puede servir como generador de
pseudo aleatorios.

Comparar rand (1) octave con 3x mod (1) al calcular por ejemplo
FORMULA

COMENTARIO FINAL SOBRE QUASI MONTE CARLO Y LA SECUENCIA DE CHAMPERNOWNE

En el quasi Monte Carlo, la secuencia de números X……….. que usamos para estimar una medida usando
empiricas
FORMULA

Es una secuencia determinista para la cual tenemos un control preciso del error en T.
Ejemplo clásico para estimar lebesgue es:
FORMULA

Ver Meil. (No lo haremos en este curso)

Para generar secuencias uniformemente distribuidas en [0, 1] escritas en base b, hacemos lo siguiente:
FORMULA

Xo se forma concatenando, en orden léxico grafico, todas las secuencias de todos los tamaños de letras en
{0, 1,………, (b- 1)}
Luego FORMULA

Y así sucesivamente

La secuencia Xo, X1, ……… genra la medida de lebesgue en el siguiente sentido

FORMULA
Comparar esta secuencia, tomando b=2, con Yo Y1 ………………, calculando
FORMULA

Para diferentes longuitudes de secuencia y para Xo……Xn…..con ………

La secuencia Xo……., escrita anteriormente es la secuencia de Champernowne y se sabe a que velocidad
convergen sus medidas empiricas.

NOTAS FINALES
Esta bien si el estudiante consulta el libro de Valentin, el de Kitchens y el de Sobol.
Es también importante referirse al senefa para la parte de perron frob.

Habrá un anexo, en la versión Lartex, con los escritos para octave de los ejercicios del libro, y un pequeño
anexo sobre probabilidad y medida.

REFERENCIAS
1.- Valentin Affraimovich, “chaotic Dyn. Sys.”
2.- Bruce Kitchens, “Symbolic Dynamics” Springer 1998
3.- Ilya Sobol “A primer for the Monte Carlo Method”, CRC Press 1994
4.- Eugene Senefa “Non-negative Matrices and Markov Choins” Springer 1981