高斯积分在科学、统计学和概率论中很常见。 事实上,如果你熟悉统计学中的正态分布(也称为贝尔曲线),你可能知道什么是高斯函数。
高斯积分本质上是高斯函数下的面积。 本论文将讨论高斯函数下的总面积是多少。 这意味着计算无限域的积分,并将其结果应用于高斯函数的各种变化。
最简单的高斯积分形式是:
公式1 :高斯积分结果
参数a用于控制高斯分布的“窄幅”程度。 高斯分布的中心为x=0,具有a越小高斯分布越“宽”,a越大高斯分布越“窄”的特性。 从这个结果来看,令人惊讶的是,总面积如下。
因为高斯分布的宽度会影响面积,所以可能与a成反比,但为什么会出现在这里呢? 为了弄清楚这个问题,我们从二维的角度处理这个问题。
一个技巧:转换为极坐标
首先,把重点写如下吧。
也可以用各种变量表示,如y。
如果将两者相乘,将得到以下结果:
在这里可以进行简单的处理。 首先,请注意,根据福比尼积分定理(fubini’stheoremofintegration ),当某二重积分有常数(或与变量无关)极限时,可以将两个积分的积归纳为一个二重积分。 即,如下所示。
在此示例中:
让我们看看指数一项。 我注意到有平方和。 根据胡克定理,他们可以把另一个变量写如下
这里r是三角形的斜边。 在极坐标中,r是圆的半径。 同样,可以定义相对于brdwgX轴的角度。 这两个新变量可以用来转换积分。 但是,这还不够。 的极限一定会变。 在笛卡尔坐标系中,积分的定义域是具有无限大长度的矩形边(因为用x和y从负的无限积分到正的无限),在极坐标中会怎么样?
那么,一定也有无限的域。 但是,也有一些限制。 半径r根据定义限制在[0,]内。 因为半径不能为负。 其次,角度限制为[ 0,2]。 因此,极坐标上的积分不同。
另外,从正交变换为极坐标时,请注意无限小的增量dx和dy也将发生变化。 事实上,两者的乘积是“无限小的矩形区域”,所以如果将该矩形转换为极坐标,将得到以下结果:
其中,d为无限小的弧长,dr为半径方向的无限小变化。 如果把这些都组合起来,我们的重点就会发生变化
成了:这里,我们可以用换元法求解内积分:
得到:
这就是I^2的值,所以现在为了得到我们想要的积分值,我们只需取两边的平方根,从而得到所需的结果:
扩展
我们还可以用不同的形式来研究高斯积分。例如,考虑:
这稍微有点复杂,但我们可以这样来求解:
也可以把它写成:
其中:
得到:
因此:
这里,我们可以做一个替换:
这样:
利用公式1的结果:
因此,结果是:
有趣的是,同样的过程也可以用于得到下面的结果:
如前所述,高斯积分有多种用途。其中最常见的是在统计学中的正态分布中,实际上一个连续随机变量X的点的分布是高斯分布:X的大多数随机样本将落在均值E[X]附近,方差Var[X]决定高斯分布的宽度或狭窄程度。因此,Var[X]越大,点的分布越广。