Stochastik 1 - Mitschriften von Klaas Ole Kürtz
Stochastik 1 - Mitschriften von Klaas Ole Kürtz
Stochastik 1 - Mitschriften von Klaas Ole Kürtz
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
9.2.2 Jensensche Ungleichung<br />
Satz: Sei I ⊆ R ein Intervall, f : I → R sei konvex. Dann gilt für jede<br />
Zufallsgröße X : Ω → I:<br />
f(E(X)) ≤ E(f(X))<br />
Beweis: Da X : Ω → I vorliegt, gilt - wie man sich sofort überlegt - E(X) ∈<br />
I. Für alle x ∈ I gilt<br />
f(x) ≥ f(E(X)) + f ′ (E(X)) · (x − E(X))<br />
Durch Integration bezüglich P X gilt:<br />
∫<br />
∫<br />
f(x)P X (dx) ≥ f(E(X)) + f ′ (E(X)) ·<br />
(x − E(X))P X (dx)<br />
also<br />
E(f(X)) =<br />
∫<br />
f(x)P X (dx) ≥ . . .<br />
= f(E(X)) + f ′ (E(X)) · E(X − E(X))<br />
} {{ }<br />
E(X)−E(X)=0<br />
= f(E(X))<br />
Falls f in E(X) nicht differenzierbar ist, so benutze man die bei konvexen<br />
Funktionen stets existierende rechtsseitige Ableitung in E(X).<br />
Anmerkung: Ist g konkav, so ist f = −g konvex und mit obiger Ungleichung<br />
gilt<br />
−g(E(X)) ≤ −E(g(X)) also g(E(X)) ≥ E(g(X))<br />
Damit ist z.B. bei X ≥ 0: log(E(X)) ≥ E(log(X)) und<br />
(E(|Z|)) p { ≤ E(|Z| p ) falls p ≥ 1<br />
≥ E(|Z| p ) falls p ≤ 1<br />
Falls x i = log y i ist für y 1 , . . . , y n > 0, und f(x) = e x , so ist<br />
n∏<br />
= e ∑ n<br />
n∑<br />
i=1 p i log y i<br />
≤ p i y i<br />
i=1<br />
y p i<br />
i<br />
Damit gilt mit p i = 1 die Ungleichung zwischen geometrischen und arithmetischem<br />
Mittel:<br />
n<br />
(<br />
∏ n<br />
) 1<br />
n<br />
y i ≤ 1 n∑<br />
p i<br />
n<br />
i=1<br />
i=1<br />
i=1<br />
66