已知随机变量a阶绝对矩有限，如何用勒贝格积分或控制定理证低阶矩有限？

嘿，你的思路方向完全没问题，用勒贝格积分的拆分思路或者控制收敛类定理都能搞定这个绝对矩的单调性证明，我给你一步步梳理清楚：

已知随机变量$X$定义在概率空间$(\Omega,\mathcal{F},P)$上，且$E[|X|^a] < \infty$（$a>0$），我们要证明：对任意满足$0 < b \le a$的实数$b$，$E[|X|^b] < \infty$。

核心技巧：拆分积分区间 #

勒贝格积分的核心思路之一就是根据被积函数的特性拆分积分区域，这里我们把$|X|^b$的期望（即勒贝格积分）拆成两个互补的区域：${|X| \le 1}$和${|X| > 1}$，分别分析每部分的有限性：

$$
E[|X|^b] = \int_{\Omega} |X(\omega)|^b dP(\omega) = \int_{|X| \le 1} |X|^b dP + \int_{|X| > 1} |X|^b dP
$$

第一部分：$\boldsymbol{|X| \le 1}$的区域 #

当$|X| \le 1$且$0 < b \le a$时，正数的正数次幂不会超过1，即$|X|^b \le 1$。而概率空间的总测度$P(\Omega)=1$，因此：
$$
\int_{|X| \le 1} |X|^b dP \le \int_{|X| \le 1} 1 dP = P(|X| \le 1) \le 1 < \infty
$$
这部分积分显然有限。

第二部分：$\boldsymbol{|X| > 1}$的区域 #

当$|X| > 1$且$0 < b \le a$时，幂函数在$x>1$时是递增的，因此$|X|^b \le |X|^{a$（比如$x=2$，$a=3$，$b=2$时，$2}2=4 \le 2^{3=8$，完全成立）。我们已知$E[|X|}a] < \infty$，也就是$\int_{\Omega} |X|^a dP$有限，因此：
$$
\int_{|X| > 1} |X|^b dP \le \int_{|X| > 1} |X|^a dP \le \int_{\Omega} |X|^a dP = E[|X|^a] < \infty
$$
这部分积分也有限。

把两部分加起来，就得到$E[|X|^b] \le 1 + E[|X|^a] < \infty$，完美证毕。

用控制收敛定理的视角 #

如果你想用控制收敛定理（DCT）来理解，也很直接：
我们可以找一个可积的控制函数$g(\omega) = 1 + |X(\omega)|^a$，显然：

• $g$是可积的：$E[g] = E[1] + E[|X|^a] = 1 + E[|X|^a] < \infty$；
• 对所有$\omega \in \Omega$，$|X(\omega)|^b \le g(\omega)$：当$|X| \le 1$时，$|X|^b \le 1 \le g(\omega)$；当$|X| > 1$时，$|X|^b \le |X|^a \le g(\omega)$。

根据控制收敛定理，若被积函数被一个可积函数控制，且被积函数可测（$|X|^{b$显然可测，因为$X$可测、幂函数连续），则该被积函数的积分有限，也就是$E[|X|}b] < \infty$。

另外，也可以用单调收敛定理（MCT）：构造序列$f_n(\omega) = |X(\omega)|^b \cdot I_{{|X| \le n}}$（$I$是指示函数，当括号内条件成立时取1，否则0），这个序列是单调递增到$|X|^b$的，每个$f_n$都是有界可测函数（$f_n \le n^b$），所以$E[f_n]$有限。根据单调收敛定理，$E[f_n] \to E[|X|^{b]$，因此$E[|X|}b]$是有限序列的极限，必然有限。

内容的提问来源于stack exchange，提问作者mathforumpythonhelp