25.12.2013 Aufrufe

Nichtlineare Methoden zur Quantifizierung von Abhängigkeiten und ...

Nichtlineare Methoden zur Quantifizierung von Abhängigkeiten und ...

Nichtlineare Methoden zur Quantifizierung von Abhängigkeiten und ...

MEHR ANZEIGEN
WENIGER ANZEIGEN

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.

114 ANHANG A. MATHEMATISCHE WERKZEUGE<br />

Aus ihr kann eine k-Massenverteilung konstuiert werden, indem p ′ i = p i/(1−p k+1 )<br />

für i = 1, . . . , k gesetzt wird. Dann folgt,<br />

∑k+1<br />

p i f(x i ) = p k+1 f(x k+1 ) + (1 − p k+1 )<br />

i=1<br />

k∑<br />

p ′ i f(x i)<br />

i=1<br />

≥ p k+1 f(x k+1 ) + (1 − p k+1 ) f(<br />

≥ f(p k+1 x k+1 + (1 − p k+1 )<br />

∑k+1<br />

= f( p i x i ) .<br />

i=1<br />

k∑<br />

p ′ i x i)<br />

i=1<br />

k∑<br />

p ′ i x i)<br />

i=1<br />

(A.3)<br />

Hierbei folgt die erste Ungleichung aus der Induktionshypothese <strong>und</strong> die zweite<br />

aus der Voraussetzung, dass f convex ist.<br />

Ist insbesondere f eine streng convexe Funktion, dann ist (A.3) eine echte<br />

Ungleichung, <strong>und</strong> damit E [f(X)] > f(E [X]). Hieraus folgt, dass die Gleichheit<br />

in Gl. (A.2) dann <strong>und</strong> nur dann gilt, wenn X fast sicher eine Konstante ist. ✷<br />

Satz 2 (Log-Summen-Ungleichung) Für beliebige nichtnegative Zahlen<br />

a 1 , . . . , a n <strong>und</strong> b 1 , . . . , b n gilt<br />

(<br />

n∑<br />

n∑<br />

)<br />

a i log a ∑ n<br />

i<br />

i=1<br />

≥ a i log<br />

a i<br />

∑<br />

b n<br />

i<br />

i=1<br />

i=1 b . (A.4)<br />

i<br />

i=1<br />

Die Gleichheit ist dann <strong>und</strong> nur dann erfüllt, wenn a 1 /b 1 = . . . = a n /b n ist.<br />

Beweis: Unter Einführung der Konventionen 0 log 0 = 0, a log(a/0) = ∞ falls<br />

a > 0 <strong>und</strong> 0 log(0/0) = 0 kann ohne Beschränkung der Allgemeinheit angenommen<br />

werden, dass a i > 0 <strong>und</strong> b i > 0 für i = 1, . . . , n ist.<br />

Die Funktion f(t) = t log t, t > 0 ist streng convex, da f ′ (t) = log(t) + 1<br />

<strong>und</strong> f ′′ (t) = 1/t > 0 für alle positiven t ist. Somit folgt aus der Jensenschen<br />

Ungleichung [Bauer (1991), Billingsley (1995), Cover & Thomas (1991)] für die<br />

diskreten Wahrscheinlichkeiten p i ≥ 0, ∑ n<br />

i=1 p i = 1<br />

n∑<br />

n∑<br />

p i f(t i ) ≥ f( p i t i ) .<br />

i=1<br />

Die Gleichheit gilt genau dann, wenn alle t i gleich sind. Wird nun p i = b i / ∑ n<br />

i=1 b i<br />

<strong>und</strong> t i = a i /b i gesetzt, so folgt<br />

n∑<br />

i=1<br />

a<br />

∑ i<br />

n<br />

i=1 b log a i<br />

≥<br />

i b i<br />

n∑<br />

i=1<br />

i=1<br />

a<br />

∑ i<br />

n<br />

i=1 b log<br />

i<br />

n∑<br />

i=1<br />

a<br />

∑ i<br />

n<br />

i=1 b .<br />

i

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!