Estoy tratando de demostrar una desigualdad que implicaría mi algoritmo satisface $\epsilon$-diferencial de privacidad para $k_i$ siendo un parámetro. La desigualdad es
$$ \left(1-\frac{1}{1+e^{\epsilon/k_i}}\right)^{k_i} < 1 - \frac{1-\frac{1}{2^{k_i}}}{e^\epsilon} , $$
para$\epsilon > 0$$k_i \in \{1,2,...\}$.
He estado tratando durante semanas, y tengo una gran prueba. Primero, mostrando que los dos lados nunca es igual al $\epsilon > 0$, y utilizando el teorema del Valor Intermedio para demostrar que si en un determinado $\epsilon^\prime$ $k_i^\prime$ el lado derecho es menor que la LHS, entonces esto también se aplica para todos los $\epsilon>0$ para el mismo $k_i^\prime$. Después de que me muestre el caso base en $k_i=1$ y proceder por inducción en $k_i$ a mostrar que tiene para todos los $k_i$.
El resultado de la prueba son bastante largos (5 páginas con un montón de tangentes hiperbólicas y sus amigos). Me estaba preguntando si hay una forma más rápida y más elegante manera de probar el mismo resultado.