Доброе время суток. Задача о которой я думаю в последнее время такая - если на одном и том же пространстве задано два Марковских ядра, которые достаточно близки друг к другу - верно ли что вероятности, порожденные этими функциями также близки на событиях на конечном временном промежутке также близки.
Более строго, пусть

- измеримое пространство и

, где

это

-алгебра произведения. Назовем

стохастическим ядром

если
таково, что

- вероятностная мера на

дл всех

и

- измеримая функция для любого множества

. В пространстве

вещественнозначных измеримых и ограниченных функций с нормой

введем оператор

Его индуцированная норма дана

Далее, для любого стохастического ядра

мы можем ввести семейство вероятностных мер

на

которое однозначно определяется своими значениями на измеримых прямоугольниках вида

Пусть

- другое ядро, которое в свою очередь определяет оператор на

и семейство вероятностных мер

на

. Можно ли найти верхнюю оценку на

По индукции можно показать, что

но я не уверен, что это верно для любого измеримого подмножества

.
Буду рад любой помощи - возможно, факт известный, но мне он не встретился.