对于任何中心随机变量X美元$,让$\Sigma(X)=\{\Sigma\geq 0:X\text{is}\Sigma\text{亚高斯}\}$因此,$\|X\|_{vp}=\inf\Sigma(X)$.
让我们从积极明确开始。考虑随机变量$X=0$a.s.因此,$\exp(\lambda X)=1$适用于所有人的a.s$\lambda\in\mathbb{R}$因此,\开始{align*}\mathbb{E}[\exp(\lambda X)]=1。\结束{align*}因为所有人美元\sigma\geq 0$和$\lambda\in\mathbb{R}$,$1\leq\exp(\lambda^2\sigma^2/2)$,美元\西格玛(X)$是一组非负实数。因此,$\|X\|_{vp}=0$.
让我们转向同质性。让$s\in\mathbb{R}$和X美元$是一个中心次高斯随机变量。让$Y=sX$显然,Y美元$也是一个中心随机变量。此外,对所有人来说$\lambda\in\mathbb{R}$和$\sigma\in\sigma(X)$,\开始{align*}\mathbb{E}[\exp(\lambda Y)]=\mathbb}E}[\ exp(\ lambda sX)]\leq\exp\left(\frac{\lambda^2s^2\sigma^2}{2}\right),\结束{align*}其中最后一个关系来自X美元$应用了$\lambda'=\lambda s$因此,对于所有人来说$\sigma\in\sigma(X)$,$|s|\sigma\in\sigma(Y)$.考虑$\sigma\notin\sigma(X)$。这意味着存在$\lambda_0\in\mathbb{R}$这样的话\开始{align*}\mathbb{E}[\exp(\lambda_{0}X)]>\exp\left(\frac{\lambda_0^2 \sigma ^2}{2}\right)。\结束{align*}这也意味着存在$\lambda_1=\lambda _0/s\in\mathbb{R}$这样的话\开始{align*}\mathbb{E}[\exp(\lambda_{1} Y(Y))]=\mathbb{E}\left[\exp\left(\frac{\lambda_{1}}{s}\cdot(sX)\right)\right]=\mat血红蛋白{E}[\exp(\lambda_{0}X)]>\exp\left(\frac{\lambda_0^2\sigma^2}{2}\right)=\exp\ left(\frac{\lampda_1^2(s\sigma)^2}{2}\ right)。\结束{align*}因此,对于每个$\sigma\notin\sigma(X)$,$|s|\sigma\notin\sigma(Y)$。仅考虑以下情况就足够了:$|s美元|$因为我们只考虑非负值美元\西格玛(W)$对于任何中心随机变量美元(W)$因此,$\Sigma(Y)=\{|s|\Sigma:\Sigma \in\Sigma-(X)\}$。因此,$\|Y\|_{vp}=|s|\cdot\|X\|{vp{=|sX\|_vp}$.
对于三角形不等式的条件,让X美元$和Y美元$是双中心随机变量。很明显$X+Y$也是一个中心随机变量。此外,让$p,q>0$这样的话$\frac{1}{p}+\frac{1}{q}=1$.面向所有人$\lambda\in\mathbb{R}$,$\sigma_1\in\sigma(X)$和西格玛中的$\sigma_2\(Y)$,我们有,\开始{align*}\mathbb{E}[\exp(\lambda(X+Y)\\&\leq\left(\mathbb{E}[\exp(p\lambda X)]\right)^{\frac{1}{p}}\cdot\left\\&\leq\left(\exp\ left(\ frac{p^2\lambda^2\sigma_1^2}{2}\ right)\right)^{\frac{1}{p}}\cdot\left\\&\leq\exp\left(\frac{\lambda^2(p\sigma_1^2+q\sigma_2^2)}{2}\right)。\结束{align*}在第二步中,我们使用了霍尔德不等式。如果我们选择$p=1+\frac{\sigma_2}{\sigma_1}$,然后$q=1+\压裂{\西格玛_1}{\西格玛_2}$因此,\开始{align*}\mathbb{E}[\exp(\lambda(X+Y))]\leq\exp\left(\frac{\lambda^2(\sigma_1+\sigma_2)^2}{2}\right)\结束{align*}这意味着西格玛中的$\西格玛_1+\西格马_2\(X+Y)$因此,$\Sigma(X+Y)\supseteq\{\Sigma_1+\Sigma_2:\Sigma(X)中的\Sigma-1\$.因此\开始{align*}\inf\西格玛(X+Y)\leq\inf\Sigma(X)+inf\Sigma(Y),\结束{align*}或同等标准,$\|X+Y\|{vp}\leq\|X\|{vp}+\|Y\|}$,根据需要。