In the first part of the article we show that for any convex function $\phi$ the expression $\mathbb{E} \phi(X)$ is maximized, among all ultra-log-concave random variables supported in $\{0,\ldots, n\}$ with fixed mean $m$, for a binomial random variable $Y=\textbf{Bin}(n,m/n)$. As a consequence we prove the inequality $H(X)\leq H(Y)$. In the second part we develop the notion of discrete degrees of freedom of a log-concave sequence and use it to prove that the quantity $\mathbb{P}(X=\mathbb{E} X)$ is maximized, under fixed mean, for a Poisson distribution.
翻译:在文章的第一部分, 我们显示, 对于任何 convex 函数 $\phe$, 表达式 $\ mathbb{ E}\phi( X) $ 最大化, 在以 $0,\ ldots 支持的所有超log- concave 随机变量中, 以固定平均值 $0,\ ldots, n $% 美元支持, 用于一个二流随机变量 $Y ⁇ textbf{Bin} (n, m/n) 。 因此, 我们证明了 $H( X)\leq H( Y) 的不平等性。 在第二部分, 我们开发了日志- cocave 序列的离散自由度概念, 并用它来证明 $\ mathb{ P} (X\mathb{ E} X) 在固定平均值下, 用于 Poisson 分布的最大化 。