UA MATH567 高维统计I 概率不等式9 亚高斯性的推广:Orlicz空间与Orlicz范数
UA MATH567 高維統計I 概率不等式9 亞高斯性的推廣:Orlicz空間
這一講討論亞高斯范數與亞指數范數的推廣,用一個更廣義的框架理解這兩種范數,它們其實是Orlicz空間中的隨機變量的Orlicz范數。
稱ψ:[0,∞)→[0,∞)\psi:[0,\infty)\to[0,\infty)ψ:[0,∞)→[0,∞)為Orlicz函數,如果
假設隨機變量XXX定義在概率空間(Ω,F,P)(\Omega,\mathcal{F},P)(Ω,F,P)上,定義隨機變量的Orlicz范數為
∥X∥ψ=inf?{t>0:Eψ(∣X∣/t)≤1}\left\| X \right\|_{\psi}=\inf\{t>0:E\psi(|X|/t) \le 1\}∥X∥ψ?=inf{t>0:Eψ(∣X∣/t)≤1}
記Lψ(Ω,F,P)L_{\psi}(\Omega,\mathcal{F},P)Lψ?(Ω,F,P)是概率空間(Ω,F,P)(\Omega,\mathcal{F},P)(Ω,F,P)上Orlicz范數有限的隨機變量的集合,簡記為LψL_{\psi}Lψ?,稱它是Orlicz空間。Orlicz空間實際上比我們常用的LpL^pLp空間更具有一般性,比如取ψ(x)=xp,p≥1\psi(x)=x^p,p \ge 1ψ(x)=xp,p≥1,則Lψ=LpL_{\psi}=L^pLψ?=Lp,也就是說LpL^pLp空間實際上是Orlicz空間的一種特例。另外,如果取ψ(x)=ex2?1\psi(x)=e^{x^2}-1ψ(x)=ex2?1,則Orlicz范數就是亞高斯范數;如果取ψ(x)=ex?1\psi(x)=e^{x}-1ψ(x)=ex?1,則Orlicz范數就是亞指數范數
接下來我們驗證下面兩個事實:
證明
先說明Orlicz范數真的是一個范數。
(i) ∥X∥ψ=0\left\| X \right\|_{\psi}=0∥X∥ψ?=0等價于X=0,a.s.X=0,a.s.X=0,a.s.,因為??>0\forall \epsilon>0??>0,根據Markov不等式
P(∣X∣≥?)=P(ψ(∣X∣/t)≥ψ(?/t))≤1ψ(?/t)E[ψ(∣X∣/t)]P(|X| \ge \epsilon)=P(\psi(|X|/t) \ge \psi(\epsilon/t)) \le \frac{1}{\psi(\epsilon/t)}E[\psi(|X|/t)]P(∣X∣≥?)=P(ψ(∣X∣/t)≥ψ(?/t))≤ψ(?/t)1?E[ψ(∣X∣/t)]
如果∥X∥ψ=0\left\| X \right\|_{\psi}=0∥X∥ψ?=0,根據Orlicz范數的定義
E[ψ(∣X∣/t)]≤1,?t>0E[\psi(|X|/t)] \le 1,\forall t>0E[ψ(∣X∣/t)]≤1,?t>0
因此
1ψ(?/t)E[ψ(∣X∣/t)]≤1ψ(?/t)\frac{1}{\psi(\epsilon/t)}E[\psi(|X|/t)] \le \frac{1}{\psi(\epsilon/t)}ψ(?/t)1?E[ψ(∣X∣/t)]≤ψ(?/t)1?
因為ttt的任意性,我們可以選取t=o(?)t=o(\epsilon)t=o(?),使得ψ(?/t)→∞\psi(\epsilon/t) \to \inftyψ(?/t)→∞,從而P(∣X∣≥?)→0P(|X| \ge \epsilon) \to 0P(∣X∣≥?)→0,于是X=0,a.s.X=0,a.s.X=0,a.s.。反過來,如果X=0,a.s.X=0,a.s.X=0,a.s.,顯然∥X∥ψ=0\left\| X \right\|_{\psi}=0∥X∥ψ?=0。
(ii) 根據定義∥cX∥ψ=∣c∣∥X∥ψ\left\| cX \right\|_{\psi}=|c|\left\| X \right\|_{\psi}∥cX∥ψ?=∣c∣∥X∥ψ?顯然成立;
(iii) 記t=∥X∥ψ,s=∥Y∥ψt=\left\| X \right\|_{\psi},s =\left\| Y \right\|_{\psi}t=∥X∥ψ?,s=∥Y∥ψ?,要說明∥X∥ψ+∥Y∥ψ≥∥X+Y∥ψ\left\| X \right\|_{\psi}+\left\|Y \right\|_{\psi} \ge \left\|X+Y \right\|_{\psi}∥X∥ψ?+∥Y∥ψ?≥∥X+Y∥ψ?,需要說明
ψ(∣X+Y∣s+t)≤1,a.s.\psi(\frac{|X+Y|}{s+t}) \le 1,a.s.ψ(s+t∣X+Y∣?)≤1,a.s.
因為ψ\psiψ是凸函數,根據Jensen不等式,
ψ(∣X+Y∣s+t)≤ψ(∣X∣+∣Y∣s+t)≤ts+tψ(∣X∣t)+ss+tψ(∣Y∣s)\psi(\frac{|X+Y|}{s+t}) \le \psi(\frac{|X|+|Y|}{s+t}) \le \frac{t}{s+t}\psi(\frac{|X|}{t})+ \frac{s}{s+t}\psi(\frac{|Y|}{s})ψ(s+t∣X+Y∣?)≤ψ(s+t∣X∣+∣Y∣?)≤s+tt?ψ(t∣X∣?)+s+ts?ψ(s∣Y∣?)
其中
ψ(∣X∣t)≤1,a.s.,ψ(∣Y∣s)≤1,a.s.\psi(\frac{|X|}{t}) \le 1,a.s., \ \ \psi(\frac{|Y|}{s}) \le 1,a.s.ψ(t∣X∣?)≤1,a.s.,??ψ(s∣Y∣?)≤1,a.s.
于是
ψ(∣X+Y∣s+t)≤1,a.s.\psi(\frac{|X+Y|}{s+t}) \le 1,a.s.ψ(s+t∣X+Y∣?)≤1,a.s.
綜上,Orlicz范數符合范數的定義。
評注
1)為了說明Orlicz空間是一個Banach空間,需要說明Orlicz空間中的Cauchy序列收斂,這個操作與說明LpL^pLp空間的完備性類似,讀者可以自行嘗試,也就是假設{Xn}?Lψ\{X_n\} \subset L_{\psi}{Xn?}?Lψ?,滿足
∥Xn?Xm∥ψ→0,asn,m→∞\left\| X_n-X_m \right\|_{\psi} \to 0, as\ n,m \to \infty∥Xn??Xm?∥ψ?→0,as?n,m→∞
需要說明{Xn}\{X_n\}{Xn?}收斂到LψL_{\psi}Lψ?中的某個隨機變量。
2)Orlicz空間與LpL^pLp空間有包含關系:
L∞?Lψ?LpL^{\infty} \subset L_{\psi} \subset L^pL∞?Lψ??Lp
其中L∞L^{\infty}L∞中的隨機變量是有界的,LpL^pLp中的隨機變量的前ppp階矩是有界的,LψL_{\psi}Lψ?中的隨機變量的尾部概率滿足一定的限制。
總結
以上是生活随笔為你收集整理的UA MATH567 高维统计I 概率不等式9 亚高斯性的推广:Orlicz空间与Orlicz范数的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: UA MATH567 高维统计I 概率不
- 下一篇: UA MATH567 高维统计I 概率不