24.01.2013 Aufrufe

Klenke Wahrscheinlichkeitstheorie

Klenke Wahrscheinlichkeitstheorie

Klenke Wahrscheinlichkeitstheorie

MEHR ANZEIGEN
WENIGER ANZEIGEN

Erfolgreiche ePaper selbst erstellen

Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.

144 7 L p -Räume und Satz von Radon-Nikodym<br />

Beweis. ” (ii) =⇒ (iii) ⇐⇒ (iv)“ Dies ist klar.<br />

” (iii) =⇒ (i)“ Das Supremum konvexer Funktionen ist konvex, und jede affin<br />

lineare Funktion ist konvex. Also ist sup L(ϕ) konvex, falls L(ϕ) �= ∅.<br />

” (i) =⇒ (ii)“ Nach Satz 7.7(iii) ist für jedes x0 ∈ I die Abbildung x ↦→ ϕ(x0)+<br />

(x − x0)D + ϕ(x0) in L(ϕ). ✷<br />

Satz 7.9 (Jensen’sche Ungleichung). Sei I ⊂ R ein Intervall und X eine Zufallsvariable<br />

mit Werten in I und E[|X|] < ∞.Istϕ konvex, dann gilt E[ϕ(X) − ] < ∞<br />

und<br />

E[ϕ(X)] ≥ ϕ(E[X]).<br />

Beweis. Da nach Korollar 7.8(iii) L(ϕ) �= ∅ ist, können wir a, b ∈ R so wählen,<br />

dass ax + b ≤ ϕ(x) gilt für alle x ∈ I. Es ist dann<br />

E[ϕ(X) − ] ≤ E[(aX + b) − ] ≤|b| + |a|·E[|X|] < ∞.<br />

Wir unterscheiden die Fälle, wo E[X] im Inneren I◦ oder am Rand ∂I liegt.<br />

1. Fall Ist E[X] ∈ I◦ ,soseit + := D + ϕ(E[X]) die maximale Tangentensteigung<br />

von ϕ in E[X]. Dannistϕ(x) ≥ t + · (x − E[X]) + ϕ(E[X]) für jedes x ∈ I, also<br />

E[ϕ(X)] ≥ t + E[X − E[X]] + E[ϕ(E[X])] = ϕ(E[X]).<br />

2. Fall Ist E[X] ∈ ∂I, soistX = E[X] f.s., also E[ϕ(X)] = E[ϕ(E[X])] =<br />

ϕ(E[X]). ✷<br />

Die Jensen’sche Ungleichung lässt sich auf den R n ausweiten. Hierfür benötigen<br />

wir eine Darstellung konvexer Funktionen mehrerer Veränderlicher als Supremum<br />

von affin linearen Funktionen. Dabei heißt eine Funktion g : R n → R affin linear,<br />

wenn es ein a ∈ R n und ein b ∈ R gibt mit g(x) =〈a, x〉 + b für jedes x. Hierbei<br />

bezeichnet 〈 · , · 〉 das gewöhnliche Skalarprodukt auf R n .<br />

Satz 7.10. Sei G ⊂ R n offen und konvex und ϕ : G → R eine Abbildung. Dann gilt<br />

Korollar 7.8 sinngemäß mit I = G. Istϕ konvex, so ist ϕ stetig und insbesondere<br />

messbar. Ist ϕ zweimal stetig differenzierbar, so ist ϕ genau dann konvex, wenn die<br />

Hesse-Matrix positiv semidefinit ist.<br />

Beweis. Da wir die Aussagen nur für den Beweis der mehrdimensionalen Jensen’schen<br />

Ungleichung benötigen, die aber im weiteren Verlaufe keine tragende<br />

Bedeutung hat, geben wir nur die Literatur an: Im Buch von Rockafellar [138] folgt<br />

die Stetigkeit aus Theorem 10.1, die Aussage von 7.8 aus Theorem 12.1 beziehungsweise<br />

Theorem 18.8. Die Aussage über die Hesse-Matrix steht in Theorem 4.5. ✷

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

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!