用户: Cybcat/123 不等式
1不等式引入
在概率论中有这样一条神奇的不等式
定理 1.1 (123 不等式). 假设 是两个独立同分布的随机变量, 那么
该不等式得名 不等式显然是因为其系数中出现的 . 不过本质上说 可以被换成两个正实数 , 毕竟只需将 乘一个常数就能得到一般的版本.
另外这个常数是最好的, 实际上考虑分布为 的均匀分布. 那么由此可知 不能被改进为更小的数.
一般地, 上述不等式可以被推广为
定理 1.2. 假设 是两个独立同分布的随机变量, 是两个正实数, 那么这个常数也是最优的.
这个结论也是合情合理的, 毕竟只与两个数的比值有关. 用上面类似的分布和取极限的技巧, 可以检查这里的常数是最优的. 这回我们取 这样 个数的均匀分布, 只需要 即可.
2组合证明
现在让我们从另一个视角来考虑这个问题. 假设现在先取定有一列实数 , 对正实数 , 定义也就是所有距离不超过 的有序对子, 那么我们的核心结论是下面的不等式:
引理 2.1. 对任意正整数 , 总有 .
证明. 对序列的长度 归纳. 首先 时结论显然, 现在来看 到 的归纳步. 为了方便理解我们假设 单调不减. 对任意 考虑区间 , 假设其中能包含 中的元素至多为 个, 并记 为使得上述值取到 中最大者. 现在考虑子列 , 我们马上从该子列的归纳假设推出我们要的结果. 现在 , 这里我们用记号 表示对这子列统计对子.
这样一来, 神奇的事情就来了.
推论 2.2 (弱不等式). 假设 是两个独立同分布的随机变量, 是正整数, 那么
它是弱不等式的原因是中间的符号是 而不是原先严格的 .
证明. 固定正整数 , 令 独立同分布地按照 的分布取随机变量.
很显然对一般的实数 , 可以将这里的 换成上取整 .
3强不等式
从弱不等式到原来的强不等式须费点功夫. 为了方便说话我们先定义一些量