層ケーキ表示

同義語:レイヤーケーキ表示layer cake representationlayer cake formula

概要

層ケーキ表示(layer cake representation)とは、値が $0$ 以上の可測関数 $f$ を、高さ $t$ ごとの集合 $\{f>t\}$ の指示関数を積み重ねたもの $f=\int_0^\infty1_{\{f>t\}}\,dt$ として表し、積分を $\int f\,d\mu=\int_0^\infty\mu(\{f>t\})\,dt$ と書く公式である。任意の測度空間で成り立ち、$G(s)=\int_0^sg$ の形の関数を合成した積分や $L^p$ ノルムも分布関数だけで表せる。期待値を裾の確率の積分で求める公式や、積の積分を非増加再配列の積の積分で抑える再配列不等式は、この表示から導かれる。

$$\newcommand{C}[0]{\mathbb{C}} \newcommand{div}[0]{\mathbin{÷}} \newcommand{N}[0]{\mathbb{N}} \newcommand{Q}[0]{\mathbb{Q}} \newcommand{R}[0]{\mathbb{R}} \newcommand{Z}[0]{\mathbb{Z}} $$

前提知識: Lebesgue積分, 分布関数(測度論)

関数を層に分けて積む

値が $0$ 以上の関数 $f$ のグラフの下の部分を、高さ $t$ ごとの薄い層に切り分けて考える。高さ $t$ の層は、$f$ が $t$ を超える点の集合 $\{f>t\}$ の上に広がっている。層を下から積み重ねると元の関数に戻る、というのが 層ケーキ表示(layer cake representation)
$$ f(x)=\int_0^\infty1_{\{f>t\}}(x)\,dt $$
である。両辺を積分すると、積分が「各層の大きさ $\mu(\{f>t\})$ を高さについて足したもの」に等しいことがわかる:
$$ \int_Xf\,d\mu=\int_0^\infty\mu(\{f>t\})\,dt . $$
Riemann 積分が定義域を細かく分けて縦の短冊を足すのに対し、Lebesgue 積分は値域を分けて横の層を足す。層ケーキ表示はこの横の切り方を 1 つの等式にしたもので、立体の体積を断面積の積分で求める考え方(Cavalieriの原理)の、一般の測度空間での形でもある。
右辺に現れる $t\mapsto\mu(\{f>t\})$ は $f$ の分布関数(分布関数(測度論))である。層ケーキ表示により、積分や $L^p$ ノルムは分布関数だけで計算でき、不等式を集合の測度についての不等式に帰着できる。

主定理

以下、$(X,\mathcal F,\mu)$ を測度空間とし、$[0,\infty)$ 上の積分は Lebesgue 測度 $dt$ についてのものとする。$f\colon X\to[0,\infty]$ が可測なら、$t\mapsto\mu(\{f>t\})$ は単調非増加なので Borel 可測であり、右辺の積分は $[0,\infty]$ の値として意味をもつ。

層ケーキ表示

$f\colon X\to[0,\infty]$ を可測関数とする。

  1. 各 $x\in X$ について $f(x)=\displaystyle\int_0^\infty1_{\{f>t\}}(x)\,dt$ である。
  2. $[0,\infty]$ の値の等式として
    $$ \int_Xf\,d\mu=\int_0^\infty\mu(\{f>t\})\,dt $$
    が成り立つ。測度空間に σ-有限性は仮定しない。
  1. $t\mapsto1_{\{f>t\}}(x)$ は $t< f(x)$ で $1$、$t\ge f(x)$ で $0$ なので、$[0,f(x))$ の指示関数であり、その積分は $f(x)$ である($f(x)=\infty$ でもよい)。
  2. 単関数の場合:$A_1,\dots,A_k$ を互いに交わらない可測集合、$a_1,\dots,a_k>0$ として $s=\sum_{i=1}^ka_i1_{A_i}$ とする($s=0$ の点は和に入れない)。$s(x)>t$ となるのは $x\in A_i$ かつ $a_i>t$ のときなので
    $$ \mu(\{s>t\})=\sum_{i=1}^k\mu(A_i)\,1_{[0,a_i)}(t) $$
    であり、値が $0$ 以上の関数の有限和を項ごとに積分すると
    $$ \int_0^\infty\mu(\{s>t\})\,dt=\sum_{i=1}^k\mu(A_i)\,a_i=\int_Xs\,d\mu $$
    となる($\mu(A_i)=\infty$ の項は両辺とも $\infty$ である。$a_i>0$ なので $0\cdot\infty$ の形は現れない)。

一般の場合:Lebesgue積分 の記事の補題「単関数による近似」により、非負単関数の列 $s_1\le s_2\le\cdots$ で各点 $s_n\to f$ となるものがある。各 $t\ge0$ について、集合 $\{s_n>t\}$ は $n$ について増加し、その和集合は $\{f>t\}$ である。実際、$s_n\le f$ なので $\{s_n>t\}\subset\{f>t\}$ であり、$f(x)>t$ なら $s_n(x)\to f(x)$ から十分大きい $n$ で $s_n(x)>t$ となる。測度の下からの連続性から $\mu(\{s_n>t\})\uparrow\mu(\{f>t\})$ である。そこで Lebesgue積分 の記事の定理「単調収束定理」を、$X$ 上の $s_n\uparrow f$ と、$[0,\infty)$ 上の $\mu(\{s_n>t\})\uparrow\mu(\{f>t\})$ の両方に使うと
$$ \int_Xf\,d\mu=\lim_{n\to\infty}\int_Xs_n\,d\mu=\lim_{n\to\infty}\int_0^\infty\mu(\{s_n>t\})\,dt=\int_0^\infty\mu(\{f>t\})\,dt $$
を得る。中央の等号は単関数の場合である。$\square$

σ-有限な測度空間なら、2 は 1 の両辺を $X$ 上で積分し、$X\times[0,\infty)$ 上の非負関数 $1_{\{(x,t)\mid t< f(x)\}}$ に Fubiniの定理(Tonelli の定理)を使っても得られる。このとき両辺は、グラフの下の集合 $\{(x,t)\mid 0< t< f(x)\}$ の積測度に等しい。上の証明は積測度を使わないので、σ-有限性が要らない。

「以上」で数えてもよい

$f\colon X\to[0,\infty]$ を可測関数とすると
$$ \int_Xf\,d\mu=\int_0^\infty\mu(\{f\ge t\})\,dt . $$

$\{f>t\}\subset\{f\ge t\}$ なので右辺は左辺以上である。逆に $0< c< 1$ とすると、$t>0$ で $\{f\ge t\}\subset\{f>ct\}$ なので、変数変換 $u=ct$ により
$$ \int_0^\infty\mu(\{f\ge t\})\,dt\le\int_0^\infty\mu(\{f>ct\})\,dt=\frac1c\int_0^\infty\mu(\{f>u\})\,du=\frac1c\int_Xf\,d\mu $$
である。$c\uparrow1$ とすればよい。$\square$

一般の関数を合成した形

層の厚みに重み $g(t)$ を付けると、$G(f)$ の積分も分布関数で表せる。

重み付きの層ケーキ表示

$g\colon[0,\infty)\to[0,\infty]$ を Borel 可測関数とし、各 $s\ge0$ で $G(s):=\int_0^sg(t)\,dt<\infty$ とする。$G(\infty):=\int_0^\infty g(t)\,dt\in[0,\infty]$ とおく。$f\colon X\to[0,\infty]$ を可測関数とすると
$$ \int_XG(f)\,d\mu=\int_0^\infty g(t)\,\mu(\{f>t\})\,dt $$
が成り立つ。さらに $\alpha\ge0$ について
$$ \int_{\{f>\alpha\}}G(f)\,d\mu=G(\alpha)\,\mu(\{f>\alpha\})+\int_\alpha^\infty g(t)\,\mu(\{f>t\})\,dt $$
である($0\cdot\infty=0$ と約束する)。

$G$ は $[0,\infty]$ 上で単調非減少かつ連続($\infty$ での値も含めて。単調収束定理による)で、$G(0)=0$ である。とくに $G(f)$ は可測である。
単関数の場合:$s=\sum_{i=1}^ka_i1_{A_i}$($A_i$ は互いに交わらず、$a_i>0$)とすると、$G(s)=\sum_iG(a_i)1_{A_i}$ なので左辺は $\sum_iG(a_i)\mu(A_i)$ である。右辺は、prf-lc-main の式 $\mu(\{s>t\})=\sum_i\mu(A_i)1_{[0,a_i)}(t)$ から
$$ \int_0^\infty g(t)\sum_i\mu(A_i)1_{[0,a_i)}(t)\,dt=\sum_i\mu(A_i)\int_0^{a_i}g(t)\,dt=\sum_i\mu(A_i)\,G(a_i) $$
である。ここで $\mu(A_i)=\infty$ かつ $G(a_i)=0$ の項は、$g=0$ が $[0,a_i)$ のほとんどいたるところで成り立つので、積分の側でも $0$ になり、約束 $0\cdot\infty=0$ と一致する。
一般の場合:prf-lc-main と同じ単関数の増加列 $s_n\uparrow f$ をとる。$G$ が単調で連続なので $G(s_n)\uparrow G(f)$ であり、各 $t$ で $g(t)\mu(\{s_n>t\})\uparrow g(t)\mu(\{f>t\})$ である。両辺に単調収束定理を使えばよい。
後半:$h:=f1_{\{f>\alpha\}}$ とおく。$G(0)=0$ なので $G(h)=G(f)1_{\{f>\alpha\}}$ である。$t< \alpha$ では $\{h>t\}=\{f>\alpha\}$、$t\ge\alpha$ では $\{h>t\}=\{f>t\}$ なので、前半を $h$ に使うと
$$ \int_{\{f>\alpha\}}G(f)\,d\mu=\int_0^\alpha g(t)\,\mu(\{f>\alpha\})\,dt+\int_\alpha^\infty g(t)\,\mu(\{f>t\})\,dt $$
であり、第 1 項は $G(\alpha)\mu(\{f>\alpha\})$ である。$\square$

$g(t)=pt^{p-1}$($0< p<\infty$)とすると $G(s)=s^p$ なので、可測関数 $f$ について
$$ \int_X\lvert f\rvert^p\,d\mu=p\int_0^\infty t^{p-1}\lambda_f(t)\,dt,\qquad \int_{\{\lvert f\rvert>\alpha\}}\lvert f\rvert^p\,d\mu=\alpha^p\lambda_f(\alpha)+p\int_\alpha^\infty t^{p-1}\lambda_f(t)\,dt $$
を得る。ここで $\lambda_f(t)=\mu(\{\lvert f\rvert>t\})$ は $f$ の分布関数である。前者は Marcinkiewiczの補間定理 の記事の補題「分布関数によるLpノルム」と同じ等式であり、とくに $f\in L^p$ であることは $\int_0^\infty t^{p-1}\lambda_f(t)\,dt<\infty$ と同値である。

例

期待値と裾の確率

$(\Omega,\mathcal F,P)$ を確率空間、$Y$ を $0$ 以上の値をとる確率変数とする。thm-lc-main から
$$ E[Y]=\int_0^\infty P(Y>t)\,dt=\int_0^\infty\bigl(1-F_Y(t)\bigr)\,dt $$
である($F_Y(t)=P(Y\le t)$ は累積分布関数)。$Y$ が $0,1,2,\dots$ の値だけをとるなら、$t\in[n-1,n)$($n\ge1$)で $P(Y>t)=P(Y\ge n)$ なので
$$ E[Y]=\sum_{n=1}^\infty P(Y\ge n) $$
となる。たとえば、成功の確率 $q\in(0,1]$ の独立な試行を繰り返して初めて成功するまでの回数 $Y$ では $P(Y\ge n)=(1-q)^{n-1}$ なので、$E[Y]=\sum_{n\ge1}(1-q)^{n-1}=\frac1q$ である。

Gauss関数の積分

$\mathbb R$ 上の Lebesgue 測度で $f(x)=e^{-x^2}$ とする。$0< t< 1$ では $\{f>t\}=\bigl(-\sqrt{\log(1/t)},\sqrt{\log(1/t)}\bigr)$、$t\ge1$ では空集合なので
$$ \int_{\mathbb R}e^{-x^2}\,dx=\int_0^1 2\sqrt{\log(1/t)}\,dt . $$
$t=e^{-u}$ と置換すると右辺は $\int_0^\infty2\sqrt u\,e^{-u}\,du=2\Gamma(\tfrac32)=\sqrt\pi$ であり、よく知られた値と一致する($\Gamma(\tfrac32)=\tfrac12\Gamma(\tfrac12)=\tfrac{\sqrt\pi}2$)。層ケーキ表示は、$f$ の値の分布さえわかれば $f$ の形によらず積分が計算できることを示している。

積の積分と再配列不等式

層ケーキ表示を 2 回使うと、2 つの関数の積の積分を、2 つの集合の共通部分の測度に分解できる。

積の積分の層ケーキ表示

$f,h\colon X\to[0,\infty]$ を可測関数とすると
$$ \int_Xfh\,d\mu=\int_0^\infty\Bigl(\int_{\{f>s\}}h\,d\mu\Bigr)ds=\int_0^\infty\!\!\int_0^\infty\mu(\{f>s\}\cap\{h>t\})\,dt\,ds . $$

$s\mapsto\int_{\{f>s\}}h\,d\mu$ は単調非増加なので可測である。第 1 の等号は prf-lc-main と同じ手順で示せる。$f=\sum_ia_i1_{A_i}$ が単関数なら、左辺は $\sum_ia_i\int_{A_i}h\,d\mu$、中央は $\int_0^\infty\sum_i1_{[0,a_i)}(s)\int_{A_i}h\,d\mu\,ds$ で、どちらも同じ値である。一般の $f$ では単関数の増加列 $s_n\uparrow f$ をとると、$s_nh\uparrow fh$ であり、各 $s$ で $1_{\{s_n>s\}}h\uparrow1_{\{f>s\}}h$ なので、単調収束定理を 3 回使えばよい。第 2 の等号は、各 $s$ で thm-lc-main を関数 $h1_{\{f>s\}}$ に使ったものである($\{h1_{\{f>s\}}>t\}=\{f>s\}\cap\{h>t\}$)。$\square$

$f$ の非増加再配列 $f^*(s)=\inf\{t\ge0\mid\mu(\{f>t\})\le s\}$ は、$[0,\infty)$ 上の非増加関数で、$\{f^*>t\}=[0,\mu(\{f>t\}))$ を満たす(分布関数(測度論) の記事の命題「非増加再配列は分布関数を保つ」)。$f$ の値を大きい順に $[0,\infty)$ の左から並べ直したものである。

再配列不等式

$f,g\colon X\to[0,\infty]$ を可測関数、$f^*,g^*$ をそれぞれの非増加再配列とする。$[0,\infty)$ 上の Lebesgue 測度について
$$ \int_Xfg\,d\mu\le\int_0^\infty f^*(u)\,g^*(u)\,du $$
が成り立つ。

lem-lc-product を $X$ 上の $f,g$ と、$[0,\infty)$ 上の $f^*,g^*$ の両方に使う。後者では $\{f^*>s\}\cap\{g^*>t\}$ が 2 つの区間 $[0,\mu(\{f>s\}))$ と $[0,\mu(\{g>t\}))$ の共通部分なので、その長さは $\min\{\mu(\{f>s\}),\mu(\{g>t\})\}$ である。したがって
$$ \int_0^\infty f^*g^*\,du=\int_0^\infty\!\!\int_0^\infty\min\{\mu(\{f>s\}),\mu(\{g>t\})\}\,dt\,ds . $$
一方、各 $s,t$ で $\mu(\{f>s\}\cap\{g>t\})\le\min\{\mu(\{f>s\}),\mu(\{g>t\})\}$ である。この不等式を $t$ について、続いて $s$ について積分すると(被積分関数はどれも $t$ や $s$ について単調なので可測である)、左辺は $\int_Xfg\,d\mu$ になり、結論を得る。$\square$

この不等式は Hardy–Littlewood の不等式とも呼ばれる。証明は「層ごとに比べる」だけで済んでおり、層ケーキ表示が不等式を集合の測度の比較に帰着させる典型である。等号は、たとえば $X=[0,\infty)$(Lebesgue 測度)で $f,g$ がともに右連続な非増加関数なら成り立つ。このとき $\{f>t\}$ は区間 $[0,a)$ の形なので $\{f^*>t\}=[0,a)=\{f>t\}$ がすべての $t$ で成り立ち、$f^*=f$ となる($g$ も同じ)。

仮定を外したとき

外す条件反例成り立たなくなること
thm-lc-main の $f\ge0$$[0,1]$ 上で $f=-1$$\int f\,d\mu=\int_0^\infty\mu(\{f>t\})\,dt$(左辺 $-1$、右辺 $0$)
thm-lc-general の「$G$ が $g$ の積分で $G(0)=0$」のうち $G(0)=0$$[0,1]$ 上で $G\equiv1$($g=0$)、$f=1$前半の等式(左辺 $1$、右辺 $0$)
thm-lc-general の「$G$ が $g$ の積分」のうち積分で表せること$[0,1]$ 上で $f=1$、$G$ を Cantor 関数($s\ge1$ では $1$)、$g=G'$(ほとんどいたるところ $0$)前半の等式(左辺 $G(1)=1$、右辺 $0$)

2 行目と 3 行目の $G$ は単調非減少で連続だが、2 行目は $0$ で値 $0$ をとらず、3 行目は $G(0)=0$ だが絶対連続でない。符号を変える関数の積分は、正の部分と負の部分 $f=f^+-f^-$ に分け、それぞれに thm-lc-main を使って $\int f\,d\mu=\int_0^\infty\mu(\{f>t\})\,dt-\int_0^\infty\mu(\{f< -t\})\,dt$(両方が有限のとき)とすればよい。

補足

文献

Axl20 5.35(p. 134)は、σ-有限な測度空間で、グラフの下の集合の積測度が $\int f\,d\mu$ と $\int_0^\infty\mu(\{f>t\})\,dt$ の両方に等しいことを積測度から示している。Sal20 Lemma 7.36(pp. 239–241)は実数値の可測関数と $1\le p<\infty$ について $\int\lvert f\rvert^p\,d\mu=p\int_0^\infty t^{p-1}\lambda_f(t)\,dt$ を一般の測度空間で示しており、ある $t>0$ で $\lambda_f(t)=\infty$ となる場合(両辺が $\infty$)と、そうでなく $\{f\ne0\}$ の上で σ-有限になる場合に分けて扱っている。Dur19 Lemma 2.2.13(pp. 63–64)は確率変数 $Y\ge0$ について $E[Y^p]=\int_0^\infty py^{p-1}P(Y>y)\,dy$ を Fubini の定理から示し、Exercise 2.2.6・2.2.7(p. 67)は整数値の場合と一般の $H$ への拡張を問題としている。Bre11 Problem 21 の B(p. 463)は有限測度空間で thm-lc-general の 2 つの等式を問題として述べている。

関連項目

参考文献

Mathpediaは寄付と、参考文献の書籍リンク(Amazonアソシエイト)の紹介料で運営されています。 支援について / 寄付する