Vitesse de convergence dans le théorème limite central pour des chaînes de Markov fortement ergodiques

Hervé, Loïc

Annales de l'I.H.P. Probabilités et statistiques, Tome 44 (2008) no. 2, pp. 280-292.

Soit $Q$ une probabilité de transition sur un espace mesurable $E$, admettant une probabilité invariante, soit ${\left(X_n\right)}_n$ une chaîne de Markov associée à $Q$, et soit $\xi$ une fonction réelle mesurable sur $E$, et $S_n={\sum }_k^n=\xi \left(X_k\right)$. Sous des hypothèses fonctionnelles sur l’action de $Q$ et des noyaux de Fourier $Q\left(t\right)$, nous étudions la vitesse de convergence dans le théorème limite central pour la suite ${\left(\frac{S_n}{\sqrt{n}}\right)}_n$. Selon les hypothèses nous obtenons une vitesse en $n^{-\tau /2}$ pour tout $\tau <1$, ou bien en $n^{-1/2}$. 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 $|𝔼\left[{\mathrm{e}}^{\mathrm{i}t{S}_n/\sqrt{n}}\right]-{\mathrm{e}}^{-t^2/2}|$ obtenue par une méthode de réduction en différence de martingale. Lorsque $E$ est non compact ou $\xi$ est non bornée, les conditions requises ici sur $Q\left(t\right)$ (en substance, des conditions de moment sur $\xi$) sont plus faibles que celles habituellement imposées lorsqu’on utilise le théorème de perturbation standard. Par exemple, dans le cadre des chaînes $V$-géométriquement ergodiques ou des modèles itératifs Lipschitziens, on obtient dans le t.l.c. une vitesse en $n^{-1/2}$ sous une hypothèse de moment d’ordre 3 sur $\xi$.

Let $Q$ be a transition probability on a measurable space $E$ which admits an invariant probability measure, let ${\left(X_n\right)}_n$ be a Markov chain associated to $Q$, and let $\xi$ be a real-valued measurable function on $E$, and $S_n={\sum }_k^n=\xi \left(X_k\right)$. Under functional hypotheses on the action of $Q$ and the Fourier kernels $Q\left(t\right)$, we investigate the rate of convergence in the central limit theorem for the sequence ${\left(\frac{S_n}{\sqrt{n}}\right)}_n$. According to the hypotheses, we prove that the rate is, either $O\left(n^{-\tau /2}\right)$ for all $\tau <1$, or $O\left(n^{-1/2}\right)$. We apply the spectral Nagaev’s method which is improved by using a perturbation theorem of Keller and Liverani, and a majoration of $|𝔼\left[{\mathrm{e}}^{\mathrm{i}t{S}_n/\sqrt{n}}\right]-{\mathrm{e}}^{-t^2/2}|$ obtained by a method of martingale difference reduction. When $E$ is not compact or $\xi$ is not bounded, the conditions required here on $Q\left(t\right)$ (in substance, some moment conditions on $\xi$) are weaker than the ones usually imposed when the standard perturbation theorem is used in the spectral method. For example, in the case of $V$-geometric ergodic chains or Lipschitz iterative models, the rate of convergence in the c.l.t. is $O\left(n^{-1/2}\right)$) under a third moment condition on $\xi$.

Classification : 60J05, 60F05
Mots clés : Markov chains, rate of convergence in central limit theorem, spectral method

[1] V. Baladi. Positive Transfer Operators and Decay of Correlations. World Scientific. River Edge, NJ, 2000. | MR | Zbl

[2] M. Benda. A central limit theorem for contractive stochastic dynamical systems. J. Appl. Probab. 35 (1998) 200-205. | MR | Zbl

[3] E. Bolthausen. The Berry-Esseen theorem for strongly mixing Harris recurrent Markov chains. Z. Wahrsch. Verw. Gebiete 60 (1982) 283-289. | MR | Zbl

[4] J.-P. Conze and A. Raugi. 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

[5] C. Cuny. 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] J. Dedecker and E. Rio. On mean central limit theorems for stationary sequences. Ann. Inst. H. Poincaré. To appear. | Numdam | MR

[7] M. Duflo. Random Iterative Models. Applications of Mathematics. Springer, Berlin, 1997. | MR | Zbl

[8] C. D. Fuh. Paley-type inequalities related to the central limit theorem for Markov chains. Sankhyã Ser. A 61 (1999) 89-100. | MR | Zbl

[9] M. I. Gordin and B. A. Lifsic. On the central limit theorem for stationary Markov processes. Soviet. Math. Dokl. 19 (1978) 392-394. | MR | Zbl

[10] Y. Guivarc'H and J. Hardy. 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

[11] H. Hennion. Sur un théorème spectral et son application aux noyaux lipchitziens. Proceeding of the A.M.S. 118 (1993) 627-634. | MR | Zbl

[12] H. Hennion. Quasi-compactness and absolutely continuous kernels. Probab. Theory Related Fields. 139 (2007) 451-471. | MR | Zbl

[13] H. Hennion and L. Hervé. Limit Theorems for Markov Chains and Stochastic Properties of Dynamical Systems by Quasi-Compactness. Springer, Berlin, 2001. | MR | Zbl

[14] H. Hennion and L. Hervé. Central limit theorems for iterated random Lipschitz mappings. Ann. Probab. 32 (2004) 1934-1984. | MR | Zbl

[15] L. Hervé. 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] C. T. Ionescu-Tulcea and G. Marinescu. Théorème ergodique pour des classes d'opérations non complètement continues. Ann. of Math. 52 (1950) 140-147. | MR | Zbl

[17] C. Jan. 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] G. L. Jones. On the Markov chain central limit theorem. Probab. Surv. 1 (2004) 299-320. | MR

[19] G. Keller and C. Liverani. Stability of the spectrum for transfer operators. Ann. Scuola Norm. Sup. Pisa. Cl. Sci. (4) 28 (1999) 141-152. | Numdam | MR | Zbl

[20] I. Kontoyiannis and S. P. Meyn. Spectral theory and limit theorems for geometrically ergodic Markov processses. Ann. Appl. Probab. 13 (2003) 304-362. | MR | Zbl

[21] S. P. Meyn and R. L. Tweedie. Markov Chains and Stochastic Stability. Springer, London, 1993. | MR | Zbl

[22] X. Milhaud and A. Raugi. 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

[23] S. V. Nagaev. Some limit theorems for stationary Markov chains. Theory Probab. Appl. 2 (1957) 378-406. | MR | Zbl

[24] S. V. Nagaev. More exact statements of limit theorems for homogeneous Markov chains. Theory Probab. Appl. 6 (1961) 62-81. | MR | Zbl

[25] D. Steinsaltz. Convergence of moments in a Markov-chain central limit theorem. Indag. Math. 12 (2001) 533-555. | MR | Zbl