Prueba de desigualdad de Cantelli


8

Estoy tratando de demostrar la siguiente desigualdad:

EDITAR: Casi inmediatamente después de publicar esta pregunta, descubrí que la desigualdad que se me pide que pruebe se llama desigualdad de Cantelli. Cuando escribí esto, no me di cuenta de que esta desigualdad en particular tenía un nombre. He encontrado múltiples pruebas a través de Google, por lo que estrictamente ya no necesito una solución. Sin embargo, mantengo esta pregunta porque ninguna de las pruebas que he encontrado implican invocar el hecho de quet=E(tX)E[(tX)IX<t], como se pretendía originalmente.

por t0,

P(XE(X)t)V(X)V(X)+t2

Nuestro profesor nos dio los siguientes "consejos" para resolver esto: "Primero resuelva el problema asumiendo E(X)=0 entonces usa el hecho de que t=E(tX)E[(tX)IX<t]".

EDITAR: Para ser claro, en mi notación, I se refiere a la función del indicador.

La primera parte es bastante simple. Básicamente es una variación de la prueba de la desigualdad de Markov o Chebychev. Lo hice de la siguiente manera:

V(X)=(xE(X))2f(x)dx

(Sé que, propiamente hablando, deberíamos reemplazar x con, digamos, u y f(x) con fx(u)al evaluar una integral. Sin embargo, para ser honesto, encuentro que la notación / convención es innecesariamente confusa y no es terriblemente transparente, así que me quedo con mi notación más informal).

Si asumimos E(X)=0, entonces lo anterior se simplifica a

V(X)=x2f(x)dx

Por razones de brevedad, omitiré algunos pasos, pero es fácil mostrar que

V(X)t2P(X>t), o mejor P(X>t)V(X)t2. Ya queE(X)=0, podemos reemplazar el X en el lado izquierdo de este último con XE(X).

Aquí es donde tengo problemas para avanzar. No entiendo cómo usar el hecho de quet=E(tX)E[(tx)IX<t]. De nuevo, desdeE(X)=0, podemos sustituir en tE(X) para t. Esto es equivalente aE(tX). Entonces, podemos reescribir elt2 en el denominador en el lado derecho de la desigualdad como [E(tX)]2, que desde que se retira el término medio se simplifica a t2[E(X)]2. Pero tampoco veo a dónde puedo ir desde aquí. Aunque puedes reescribir esto comot2+V(X)E(X2), que al menos me da el V(X)+t2 término en el lugar correcto.

Claramente me estoy perdiendo algo, aquí, relacionado con E(tX)E[(tX)IX<t], pero francamente no tengo idea de qué hacer con este término. Entiendo conceptualmente lo que me dice este término. Intuitivamente, el valor esperado detX va a ser menor que la misma cantidad si X se limita a ser estrictamente menor que t; es decir, es probable que el primer término sea negativo, mientras que el segundo debe ser positivo. Pero no veo cómo puedo usar este hecho en la prueba.

Traté de "distribuir" en el interior para simplificar ...

E[(tX)IX<t]=E[tIX<tXIX<t]=tP(X<t)?

Pero no estoy seguro de cómo evaluar E(XIX<t].

Alguien tiene una idea o una pista?


2
Vea esta respuesta para una prueba de una versión más general de lo que a veces se llama desigualdad de Chebyshev unilateral (o la desigualdad de Chebyshev-Cantelli unilateral o la desigualdad de Cantelli, etc., dependiendo del libro que esté leyendo).
Dilip Sarwate

Realmente deseo que no hayas eliminado esa otra pregunta. Mucho mejor haber publicado una respuesta para que otros puedan beneficiarse de las sugerencias en los comentarios, así como la respuesta, y usted podría beneficiarse de más comentarios. Tenga en cuenta, por ejemplo, quep(1p)14, entonces 1es 4 veces más grande de lo que debería ser.
Glen_b -Reinstate Monica

integral (x (fx)) en el intervalo (t, inf)

Respuestas:


9

Definiendo Y=XE[X], resulta que E[Y]=0 y Var[Y]=Var[X]=:σ2=E[Y2].

por t,u>0, usando la desigualdad de Markov, tenemos

Pr(Yt)=Pr(Y+ut+u)Pr((Y+u)2(t+u)2)
mi[(Y+tu)2](t+tu)2=σ2+tu2(t+tu)2=:φ(tu).
Minimizar: φ(tu)=0 0 da tu=σ2/ /t, y el resultado sigue:
Pr(X-mi[X]t)σ2σ2+t2.

1
De hecho, ese es el enfoque correcto, como descubrí hace casi un año, pero olvidé volver y editar esta pregunta para incluir la respuesta. Sin embargo, por alguna razón, CrossValidated me está dando un error cuando trato de aceptar esto como la respuesta correcta para darle crédito.
Ryan Simmons
Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.