Soit une probabilité de transition sur un espace mesurable , admettant une probabilité invariante, soit une chaîne de Markov associée à , et soit une fonction réelle mesurable sur , et . Sous des hypothèses fonctionnelles sur l’action de et des noyaux de Fourier , nous étudions la vitesse de convergence dans le théorème limite central pour la suite . Selon les hypothèses nous obtenons une vitesse en pour tout , ou bien en . Nous appliquons la méthode de Nagaev en l’améliorant, d’une part grâce à un théorème de perturbations de Keller et Liverani, d’autre part grâce à une majoration de obtenue par une méthode de réduction en différence de martingale. Lorsque est non compact ou est non bornée, les conditions requises ici sur (en substance, des conditions de moment sur ) sont plus faibles que celles habituellement imposées lorsqu’on utilise le théorème de perturbation standard. Par exemple, dans le cadre des chaînes -géométriquement ergodiques ou des modèles itératifs Lipschitziens, on obtient dans le t.l.c. une vitesse en sous une hypothèse de moment d’ordre 3 sur .
Let be a transition probability on a measurable space which admits an invariant probability measure, let be a Markov chain associated to , and let be a real-valued measurable function on , and . Under functional hypotheses on the action of and the Fourier kernels , we investigate the rate of convergence in the central limit theorem for the sequence . According to the hypotheses, we prove that the rate is, either for all , or . We apply the spectral Nagaev’s method which is improved by using a perturbation theorem of Keller and Liverani, and a majoration of obtained by a method of martingale difference reduction. When is not compact or is not bounded, the conditions required here on (in substance, some moment conditions on ) are weaker than the ones usually imposed when the standard perturbation theorem is used in the spectral method. For example, in the case of -geometric ergodic chains or Lipschitz iterative models, the rate of convergence in the c.l.t. is ) under a third moment condition on .
Mots clés : Markov chains, rate of convergence in central limit theorem, spectral method
@article{AIHPB_2008__44_2_280_0, author = {Herv\'e, Lo{\"\i}c}, title = {Vitesse de convergence dans le th\'eor\`eme limite central pour des cha{\^\i}nes de {Markov} fortement ergodiques}, journal = {Annales de l'I.H.P. Probabilit\'es et statistiques}, pages = {280--292}, publisher = {Gauthier-Villars}, volume = {44}, number = {2}, year = {2008}, doi = {10.1214/07-AIHP101}, mrnumber = {2446324}, zbl = {1178.60051}, language = {fr}, url = {http://www.numdam.org/articles/10.1214/07-AIHP101/} }
TY - JOUR AU - Hervé, Loïc TI - Vitesse de convergence dans le théorème limite central pour des chaînes de Markov fortement ergodiques JO - Annales de l'I.H.P. Probabilités et statistiques PY - 2008 SP - 280 EP - 292 VL - 44 IS - 2 PB - Gauthier-Villars UR - http://www.numdam.org/articles/10.1214/07-AIHP101/ DO - 10.1214/07-AIHP101 LA - fr ID - AIHPB_2008__44_2_280_0 ER -
%0 Journal Article %A Hervé, Loïc %T Vitesse de convergence dans le théorème limite central pour des chaînes de Markov fortement ergodiques %J Annales de l'I.H.P. Probabilités et statistiques %D 2008 %P 280-292 %V 44 %N 2 %I Gauthier-Villars %U http://www.numdam.org/articles/10.1214/07-AIHP101/ %R 10.1214/07-AIHP101 %G fr %F AIHPB_2008__44_2_280_0
Hervé, Loïc. Vitesse de convergence dans le théorème limite central pour des chaînes de Markov fortement ergodiques. Annales de l'I.H.P. Probabilités et statistiques, Tome 44 (2008) no. 2, pp. 280-292. doi : 10.1214/07-AIHP101. http://www.numdam.org/articles/10.1214/07-AIHP101/
[1] Positive Transfer Operators and Decay of Correlations. World Scientific. River Edge, NJ, 2000. | MR | Zbl
.[2] A central limit theorem for contractive stochastic dynamical systems. J. Appl. Probab. 35 (1998) 200-205. | MR | Zbl
.[3] The Berry-Esseen theorem for strongly mixing Harris recurrent Markov chains. Z. Wahrsch. Verw. Gebiete 60 (1982) 283-289. | MR | Zbl
.[4] Convergence of iterates of a transfer operator, application to dynamical systems and to Markov chains. ESAIM Probab. Stat. 7 (2003) 115-146. | Numdam | MR | Zbl
and .[5] Un TCL avec vitesse pour la marche aléatoire gauche sur le groupe affine de Rd. Ann. Inst. H. Poincaré Probab. Statist. 3 (2003) 487-503. | Numdam | MR | Zbl
.[6] On mean central limit theorems for stationary sequences. Ann. Inst. H. Poincaré. To appear. | Numdam | MR
and .[7] Random Iterative Models. Applications of Mathematics. Springer, Berlin, 1997. | MR | Zbl
.[8] Paley-type inequalities related to the central limit theorem for Markov chains. Sankhyã Ser. A 61 (1999) 89-100. | MR | Zbl
.[9] On the central limit theorem for stationary Markov processes. Soviet. Math. Dokl. 19 (1978) 392-394. | MR | Zbl
and .[10] Théorèmes limites pour une classe de chaînes de Markov et applications aux difféomorphismes d'Anosov. Ann. Inst. H. Poincaré 24 (1988) 73-98. | Numdam | MR | Zbl
and .[11] Sur un théorème spectral et son application aux noyaux lipchitziens. Proceeding of the A.M.S. 118 (1993) 627-634. | MR | Zbl
.[12] Quasi-compactness and absolutely continuous kernels. Probab. Theory Related Fields. 139 (2007) 451-471. | MR | Zbl
.[13] Limit Theorems for Markov Chains and Stochastic Properties of Dynamical Systems by Quasi-Compactness. Springer, Berlin, 2001. | MR | Zbl
and .[14] Central limit theorems for iterated random Lipschitz mappings. Ann. Probab. 32 (2004) 1934-1984. | MR | Zbl
and .[15] Théorème local pour chaînes de Markov de probabilité de transition quasi-compacte. Applications aux chaînes V-géométriquement ergodiques et aux modèles itératifs. Ann. Inst. H. Poincaré Probab. Statist. 41 (2005) 179-196. | Numdam | MR | Zbl
.[16] Théorème ergodique pour des classes d'opérations non complètement continues. Ann. of Math. 52 (1950) 140-147. | MR | Zbl
and .[17] Vitesse de convergence dans le TCL pour des processus associés à des systèmes dynamiques et aux produits de matrices aléatoires. Thèse de doctorat, I.R.M.A.R., Université de Rennes I (2001).
.[18] On the Markov chain central limit theorem. Probab. Surv. 1 (2004) 299-320. | MR
.[19] Stability of the spectrum for transfer operators. Ann. Scuola Norm. Sup. Pisa. Cl. Sci. (4) 28 (1999) 141-152. | Numdam | MR | Zbl
and .[20] Spectral theory and limit theorems for geometrically ergodic Markov processses. Ann. Appl. Probab. 13 (2003) 304-362. | MR | Zbl
and .[21] Markov Chains and Stochastic Stability. Springer, London, 1993. | MR | Zbl
and .[22] Etude de l'estimateur du maximum de vraisemblance dans le cas d'un processus auto-régressif: convergence, normalité asymptotique, vitesse de convergence. Ann. Inst. H. Poincaré Probab. Statist. 25 (1989) 383-428. | Numdam | MR | Zbl
and .[23] Some limit theorems for stationary Markov chains. Theory Probab. Appl. 2 (1957) 378-406. | MR | Zbl
.[24] More exact statements of limit theorems for homogeneous Markov chains. Theory Probab. Appl. 6 (1961) 62-81. | MR | Zbl
.[25] Convergence of moments in a Markov-chain central limit theorem. Indag. Math. 12 (2001) 533-555. | MR | Zbl
.Cité par Sources :