Következtetés: a kaotikus rendszerek belső instabilitása, a kezdeti feltételre való exponenciális érzékenysége gyakorlatilag meghiúsítja a fizikában szokásos előrejelzési sémát (véges pontosságú kezdőállapot mozgásegyenletek megoldása véges, de még kielégítő pontosságú végállapot). Hosszabb időre egy kaotikus rendszer mozgásáról csak valószínűségi kijelentések tehetők.
Valószínűségi leírás ( valószínűségsűrűség, valószínűségi mérték. Frobenius-Perron-egyenlet.)
A kaotikus rendszer (jelen esetben egydimenziós leképezés) pályáját hosszú ideig követve megvizsgáljuk, hogy a fázistér valamely kiválasztott tartományában a teljes idő hányad részét tölti a rendszer. Ezt a számot tekintjük az ott-tartózkodás valószínűségének.
Valószínűségi mérték: annak a valószínűsége, hogy az iterált pont -nél nem nagyobb.
Valószínűségsűrűség: annak a valószínűsége, hogy az iterált pont és között tartózkodik.
A Frobenius-Perron-egyenlet:
Példa: mind a háztető-leképezés, mind a Bernoulli-shift esetén , ezért a Frobenius-Perron-egyenlet:
Sima konjugálás (koordinátatranszformáció) hatása a valószínűségsűrűségre:
vagy
Példa: logisztikus leképezés.
, . Ezért
A Ljapunov-exponens kifejezése a stacionárius valószínűségsűrűséggel:
A Ljapunov-exponens nem változik sima konjugálás esetén:
Feladat: mutassuk meg a Ljapunov-exponens sima konjugálásra vonatkozó invarianciáját a valószínűségsűrűséggel felírt alakból kiindulva!