Schur-kupera toiminto
Matematiikan, joka on Schur-kupera (tai kupera merkityksessä Schur) funktio, jota kutsutaan myös S-kupera , isotoninen toiminto tai tilauksen säilyttäminen funktio on funktio siten, että se säilyttää, jotta suhteet: kaikki siten, että x on rajoittuu mukaan y , f tyydyttää f ( x ) ≤ f ( y ) .
f:Rd→R{\ displaystyle f: \ mathbb {R} ^ {d} \ rightarrow \ mathbb {R}}x,y∈Rd{\ displaystyle x, y \ sisään \ mathbb {R} ^ {d}}
Issai Schurin mukaan nimettyjä Schur-kuperia funktioita käytetään majorisaation tutkimuksessa . Kaikki funktiot, jotka ovat kuperia ja symmetrisiä, ovat myös Schur-kuperia, mutta käänteinen implikaatio ei ole aina totta. Toisaalta mikä tahansa Schur-kupera funktio on symmetrinen (sen argumenttien permutaatioiden suhteen).
Schur-kovera toiminto
Funktion f sanotaan olevan kovera, jos sen vastakohta - f on Schur-kupera.
Schur-Ostrowskin kriteeri
Jos f on symmetrinen ja sillä on osittaisia johdannaisia, niin f on Schur-kupera vain ja vain, jos kaikille 1 ≤ i ≠ j ≤ d ja missä tahansa seuraavista pisteistä :
Rd{\ displaystyle \ mathbb {R} ^ {d}}
(xi-xj)(∂f∂xi-∂f∂xj)≥0{\ displaystyle (x_ {i} -x_ {j}) \ vasen ({\ frac {\ partis f} {\ osittain x_ {i}}} - {\ frac {\ osittainen f} {\ osallinen x_ {j} }} \ oikea) \ geq 0}.
Esimerkkejä
-
f(x)=min(x){\ displaystyle f (x) = \ min (x)}on Schur-kovera ja Schur-kupera (tämä johtuu nopeasti toimintojen määritelmästä).f(x)=enint(x){\ displaystyle f (x) = \ max (x)}
- Shannonin entropia toiminto on Schur-kovera.∑i=1dPi⋅Hirsi21Pi{\ displaystyle \ summa _ {i = 1} ^ {d} {P_ {i} \ cdot \ log _ {2} {\ frac {1} {P_ {i}}}}}
- Rényi entropia toiminto on myös Schur-kovera.
- Pikemminkin luonnollisesti funktiot ovat kaikki Schur-kuperia arvolle k ≥ 1 .∑i=1dxik{\ displaystyle \ summa _ {i = 1} ^ {d} {x_ {i} ^ {k}}}
- Toiminto on Schur-kovera verkkotunnuksessa . Samoin elementaariset symmetriset funktiot ovat Schur-koveria .f(x)=∏i=1eixi{\ displaystyle f (x) = \ prod _ {i = 1} ^ {n} x_ {i}}(R+)d{\ displaystyle (\ mathbb {R} _ {+}) ^ {d}}(R+)d{\ displaystyle (\ mathbb {R} _ {+}) ^ {d}}
- Luonnollinen tulkinta majorisaatiosta on, että jos sitten x on enemmän hajautunut kuin y . Siksi on luonnollista kysyä, ovatko tilastolliset vaihteluvälit Schur-kuperat. Sekä varianssi että keskihajonta ovat Schur-kuperia funktioita, mutta poikkeamien absoluuttinen arvo ei ole.x≻y{\ displaystyle x \ succ y}
- Jos g on todellisella aikavälillä määritelty kupera funktio, niin se on Schur-kupera.∑i=1eig(xi){\ displaystyle \ summa _ {i = 1} ^ {n} g (x_ {i})}
- Esimerkki todennäköisyydestä: jos on vaihdettavissa olevia satunnaismuuttujia, odotusfunktio on Schur-kupera multi-indeksin funktiona , edellyttäen että odotus on olemassa.X1,...,Xei{\ displaystyle X_ {1}, \ pisteet, X_ {n}}E(∏j=1eiXjkloj){\ displaystyle \ mathbb {E} \ vasen (\ prod _ {j = 1} ^ {n} X_ {j} ^ {a_ {j}} \ oikea)}klo=(klo1,...,kloei){\ displaystyle a = (a_ {1}, \ pistettä, a_ {n})}
- Gini-kerroin on tiukasti Schur-kovera.
Viitteet
-
(in) A. Wayne Roberts ja Dale E. Varberg , kupera toimintoja , New York, Academic Press ,1973, 299 Sivumäärä ( ISBN 978-0-08-087372-5 , lue verkossa ) , s. 258.
-
(in) Josip E. Peajcariaac ja Y. L. Tong , kupera toiminnot, Osittainen orderings ja Tilastollinen Applications , Academic Press,1992, 467 Sivumäärä ( ISBN 978-0-08-092522-6 , lue verkossa ) , s. 333.
Katso myös
Lähes kupera toiminto
<img src="https://fr.wikipedia.org/wiki/Special:CentralAutoLogin/start?type=1x1" alt="" title="" width="1" height="1" style="border: none; position: absolute;">