Diferencia entre revisiones de «Desigualdad de Jensen»
Sin resumen de edición |
m Deshecha la edición 36113542 de 200.89.68.202 (disc.) Mala sintaxis |
||
Línea 14: | Línea 14: | ||
:<math>\varphi\left(\frac{\sum x_i}{n}\right) \le \frac{\sum \varphi (x_i)}{n}.</math> |
:<math>\varphi\left(\frac{\sum x_i}{n}\right) \le \frac{\sum \varphi (x_i)}{n}.</math> |
||
Por ejemplo, como la función -log(''x'') es convexa, la desigualdad anterior |
Por ejemplo, como la función -log(''x'') es convexa, la desigualdad anterior puede concretarse en |
||
:<math> \frac{x_1 + x_2 + \cdots + x_n}{n} \ge \sqrt[n]{x_1 x_2 \cdots x_n}.</math> |
:<math> \frac{x_1 + x_2 + \cdots + x_n}{n} \ge \sqrt[n]{x_1 x_2 \cdots x_n}.</math> |
Revisión del 08:36 15 abr 2010
En matemáticas, la desigualdad de Jensen para funciones convexas relaciona el valor que asigna a una integral con la integral de esa misma función permutando, por así decirlo, la función y la integral. Fue probada por el matemático danés Johan Jensen en 1906.[1] Dada su generalidad, la desigualdad aparece en múltiples contextos.
Formulación
En su formulación más simple, la desigualdad es la siguiente: una transformación convexa de la media es menor o igual en valor que la media de una transformación convexa.
Formulación finita
Dada una función convexa φ, números x1, x2, ..., xn en su dominio y pesos positivos ai se cumple que:
Si los pesos ai son todos iguales a 1, entonces
Por ejemplo, como la función -log(x) es convexa, la desigualdad anterior puede concretarse en
Formulación probabilística (dentro de la teoría de la medida)
Sea (Ω, A, μ) un espacio métrico tal que μ(Ω) = 1. Si g es una función real μ-integrable y φ una función convexa en el eje real, entonces:
En análisis real, puede ser necesaria una estimación de
donde son números reales y es una función real integrable. Entonces, reescalando, se puede aplicar la desigualdad de Jensen para obtener
La desigualdad de Jensen, usando la notación habitual en teoría de la probabilidad, puede reescribirse así:
Aplicaciones en casos especiales
Cuando existe una función de densidad
Si f(x) es una función no negativa tal que
g es una función real cualquiera y φ es una función convexa sobre el rango de g, entonces
En caso de que g sea la función identidad, se obtiene
Física estadística
La desigualdad de Jensen desempeña un papel importante en física estadística cuando la función convexa es la exponencial porque entonces
fórmula en la que los los paréntesis angulares representan la esperanza respecto a la distribución de probabilidad de la variable aleatoria X.
Teoría de la información
Si p(x) es la distribución de probabilidad verdadera de x y q(x) es otra distribución, aplicando la desigualdad a la variable aleatoria Y(x) = q(x)/p(x) y la función φ(y) = −log(y) se obtiene
que es la llamada desigualdad de Gibbs y está relacionada con el hecho de que la longitud de los mensajes es mínima cuando se codifican en términos de la distribución verdadera. Está relacionada con el concepto de la divergencia de Kullback-Leibler.
Notas
- ↑ Jensen, J. L. W. V. (1906). «Sur les fonctions convexes et les inégalités entre les valeurs moyennes». Acta Mathematica 30 (1): 175-193. doi:10.1007/BF02418571.
Referencias
- Walter Rudin (1979). Análisis real y complejo. Alhambra. ISBN 84-205-0651-6.