sous un gaussien

8

Cette question découle de la question suivante. /math/360275/e1-1x2-under-a-normal-distribution

Fondamentalement, quel est le E(11+x2) sous un gaussien général N(μ,σ2). J'ai essayé de réécrire11+x2 comme un mélange scalaire de gaussiens (N(x|0,τ1)Ga(τ|1/2,1/2)dτ). Cela s'est également arrêté, à moins que vous n'ayez un truc sous la ceinture.

Si cette intégrale n'est pas analytique, aucune limite sensible?

sachinruk
la source
pourquoi ne pouvez-vous pas faire la même chose que dans la question à laquelle vous avez lié? (ce qui implique qu'il n'est pas analytique (car il évalue à erfc avec quelques constantes)
seanv507
Parce que je ne suis pas complètement ce qu'il a fait. L'ERFC va bien aussi
Sachinruk

Réponses:

10

Laisser fσ(x)=12πσexp(x22σ2) être le Normal(0,σ) PDF et g(x)=1π(1+x2)1 être le PDF d'une distribution de Student avec un df Parce que le PDF d'une normale(μ,σ) variable X est fσ(xμ)=fσ(μx) (par symétrie), l'espérance est égale à

Eσ,μ(11+X2)=Eσ,μ(πg(X))=Rfσ((μx)2)πg(x)dx.

Ceci est la formule qui définit la convolution (fπg)(μ). Le résultat le plus fondamental de l'analyse de Fourier est que la transformée de Fourier d'une convolution est le produit de transformées de Fourier . De plus, les fonctions caractéristiques (cf) sont (jusqu'à des multiples appropriés) des transformées de Fourier des PDF. Le cf d'un normal(0,σ)la distribution est

f^σ(t)=exp(t2σ2/2)

et le cf de cette distribution Student t est

g^(t)=exp(|t|).

(Les deux peuvent être obtenus par des méthodes élémentaires.) La valeur de la transformée de Fourier inverse de leur produit àμ est, par définition,

12πRf^σ(t)πg^(t)exp(itμ)dt=12Rexp(t2σ2/2|t|itμ)dt.

Son calcul est élémentaire: effectuez-le séparément sur les intervalles (,0] et [0,) simplifier |t| à t et t, respectivement, et complétez le carré à chaque fois. Des intégrales proches du CDF normal sont obtenues - mais avec des arguments complexes. Une façon d'écrire la solution est

Eσ,μ(11+X2)=π2e(μ+i)22σ2(e2iμσ2erfc(1+iμ2σ)erf(1+iμ2σ)+1)2σ.

Ici, erfc(z)=1erf(z) est la fonction d'erreur complémentaire où

erf(z)=2π0zexp(t2)dt.

Un cas particulier est μ=0,σ=1 pour laquelle cette expression se réduit à

E1,0(11+X2)=eπ2erfc(12)=0.65567954241879847154.

Voici un tracé de contour de Eσ,μ (sur un axe logarithmique pour σ).

Figure

whuber
la source
+1. Petite note:eπ2erfc(12) équivaut à 0.6556795424pour moi qui est d'accord avec la réponse numérique de @ fabee.
COOLSerdash
Agréable. En fait, j'ai totalement raté qu'il s'agit de la densité de la somme d'une variable gaussienne et d'une variable distribuée en t (jusqu'à la normalisation). +1 pour dériver la formule générale de l'arbitraireμ et σ.
fabee
@COOL Merci - J'ai copié la mauvaise réponse. (J'ai fait plusieurs calculs numériques; celui que j'ai mal rapporté était en fait pourμ=1,σ=1/2.) Je vais coller celui de droite.
whuber
5

Ceci est une idée comment le résoudre en utilisant l'identité

1S=0exp(tS)dt
qui a été proposé par Did ici . Vous pourriez utiliser

E(1x2+1)=12π0exp(t(x2+1))exp(x22)dxdt=0exp(t)(1+2t)12dt=eπ2[erf(t+12)]0=eπ2(1erf(12))
fabee
la source
+1 Pour l'approche. Je crois que le facteur de1/2πn'appartient pas au résultat, cependant.
whuber
C'est la constante de normalisation 12πσ2pour le gaussien (vient de l'attente). Donc, à moins que je manque quelque chose, je pense qu'il y appartient.
fabee
1
Vous avez confondu la fonction d'erreur avec le CDF gaussien: ce ne sont pas les mêmes. Essayez un calcul numérique - vous verrez l'erreur.
whuber
Vous avez raison, le facteur était faux. Mais c'est arrivé avant d'utiliser la fonction d'erreur. J'ai calculé l'attente deexp(tx2) wrt xet j'ai oublié de supprimer la constante de normalisation par la suite. Merci pour l'astuce.
fabee