On ergodic filters with wrong initial data

For a class of non-uniformly ergodic partly observable Markov processes, under observations subject to a Wiener process or i.i.d. noise, it is shown that a wrong initial data is forgotten with a certain rate. To cite this article: M.L. Kleptsyna, A.Yu. Veretennikov, C. R. Acad. Sci. Paris, Ser. I 344 (2007).

RésuméOn démontre que pour une classe de processus de Markov non-uniformément ergodiques avec des observations perturbées par un mouvement Brownien, le fait d'avoir des données initiales erronées est asymptotiquement oublié. La vitesse de convergence est explicitée. Pour citer cet article : M.L. Kleptsyna, A.Yu. Veretennikov, C. R. Acad. Sci. Paris, Ser. I 344 (2007).