Cette question découle de la question suivante. /math/360275/e1-1x2-under-a-normal-distribution
Fondamentalement, quel est le sous un gaussien général . J'ai essayé de réécrire comme un mélange scalaire de gaussiens (). 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?
normal-distribution
expected-value
bounds
sachinruk
la source
la source
Réponses:
LaisserFσ( x ) =12 π√σexp( -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( x - μ ) =Fσ( μ - x ) (par symétrie), l'espérance est égale à
Ceci est la formule qui définit la convolution(f⋆πg)(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
et le cf de cette distribution Student t est
(Les deux peuvent être obtenus par des méthodes élémentaires.) La valeur de la transformée de Fourier inverse de leur produit àμ est, par définition,
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
Ici,erfc(z)=1−erf(z) est la fonction d'erreur complémentaire où
Un cas particulier estμ=0,σ=1 pour laquelle cette expression se réduit à
Voici un tracé de contour deEσ,μ (sur un axe logarithmique pour σ ).
la source
Ceci est une idée comment le résoudre en utilisant l'identité
la source