"1차원 가우시안 적분"의 두 판 사이의 차이
| 43번째 줄: | 43번째 줄: | ||
* [[감마함수]]<br><math>\Gamma(s) = \int_0^\infty e^{-t} t^{s} \frac{dt}{t}</math><br><math>2\int_{0}^{\infty}e^{-x^2}dx= \int_{-\infty}^{\infty}e^{-x^2}dx =\sqrt{\pi}</math><br><math>x=\sqrt{t}</math>로 치환하면,<br><math>2\int_{0}^{\infty}e^{-x^2}dx= \int_0^\infty e^{-t} \ t^{-1/2} dt \, = \, \Gamma\left(\frac{1}{2}\right)</math><br> 를 얻는다. 따라서<br><math>\Gamma\left(\frac{1}{2}\right)=\sqrt{\pi}</math><br> | * [[감마함수]]<br><math>\Gamma(s) = \int_0^\infty e^{-t} t^{s} \frac{dt}{t}</math><br><math>2\int_{0}^{\infty}e^{-x^2}dx= \int_{-\infty}^{\infty}e^{-x^2}dx =\sqrt{\pi}</math><br><math>x=\sqrt{t}</math>로 치환하면,<br><math>2\int_{0}^{\infty}e^{-x^2}dx= \int_0^\infty e^{-t} \ t^{-1/2} dt \, = \, \Gamma\left(\frac{1}{2}\right)</math><br> 를 얻는다. 따라서<br><math>\Gamma\left(\frac{1}{2}\right)=\sqrt{\pi}</math><br> | ||
| − | + | 더 일반적으로 | |
2010년 5월 21일 (금) 16:49 판
이 항목의 스프링노트 원문주소
간단한 소개
\(\int_{-\infty}^\infty e^{-x^2}\,dx = \sqrt{\pi}\) 의 적분을 Gaussian integral 이라고 한다.
\(e^{-x^2}\) 의 부정적분은 초등함수로 표현할 수 없음이 알려져 있다. 이에 대해서는 부정적분의 초등함수 표현(Integration in finite terms) 항목을 참조
하지만 우리는 부정적분을 알지 못해도 \((-\infty,\infty)\) 에서의 정적분을 계산할 수 있다.
\(\int\int_{\mathbb{R}^2}e^{-x^2-y^2}dA\)
\(\int\int_{\mathbb{R}^2}e^{-x^2-y^2}dA= \int_{0}^{2\pi}\int_{0}^{\infty}e^{-r^2}rdrd\theta=2\pi\int_{0}^{\infty}re^{-r^2}dr=2\pi[-\frac{1}{2}e^{r^2}]_{0}^{\infty}=\pi\)
극좌표 치환이 사용되었다.
\(\int\int_{\mathbb{R}^2}e^{-x^2-y^2}dA= \int_{-\infty}^{\infty}\int_{-\infty}^{\infty}e^{-x^2-y^2}dxdy=(\int_{-\infty}^{\infty}e^{-x^2}dx)(\int_{-\infty}^{\infty} e^{-y^2}dy)=(\int_{-\infty}^{\infty}e^{-x^2}dx)^2\)
\(\int_{-\infty}^{\infty}e^{-x^2}dx =\sqrt{\pi}\)
\(x=\frac{t}{\sqrt{2}}\) 로 치환하면, \(\int_{-\infty}^{\infty}e^{-\frac{x^2}{2}}dx=\sqrt{2\pi}\) 을 얻는다
감마함수와의 관계
- 감마함수
\(\Gamma(s) = \int_0^\infty e^{-t} t^{s} \frac{dt}{t}\)
\(2\int_{0}^{\infty}e^{-x^2}dx= \int_{-\infty}^{\infty}e^{-x^2}dx =\sqrt{\pi}\)
\(x=\sqrt{t}\)로 치환하면,
\(2\int_{0}^{\infty}e^{-x^2}dx= \int_0^\infty e^{-t} \ t^{-1/2} dt \, = \, \Gamma\left(\frac{1}{2}\right)\)
를 얻는다. 따라서
\(\Gamma\left(\frac{1}{2}\right)=\sqrt{\pi}\)
더 일반적으로
역사
메모
함수 \(e^{-x^2}\) 는 정규분포함수에도 등장한다.
평균이 \(\mu\) 이고 분산이 \(\sigma^2\) 인 정규분포를 따르는 확률변수의 확률밀도함수는 \(f(x) = \frac{1}{\sqrt{2\pi} \sigma}e^{-\frac{(x-\mu)^2}{2\sigma^2}}\) 와 같이 쓸 수 있다.
계수에서 등장하는 \((2\pi)^{-\frac{1}{2}}\) 는, 확률밀도함수의 정규화(전사건의 확률이 1이 되도록 해 주는 것)를 위한 것이다. 즉, \(e^{- \frac{x^2}{2\sigma^2}}\) 를 실수 전체에서 적분하면 \(\sqrt{2\pi}\sigma\) 가 된다.
관련된 항목들
수학용어번역
사전 형태의 자료
- http://ko.wikipedia.org/wiki/
- [1]http://en.wikipedia.org/wiki/Gaussian_integral
- http://en.wikipedia.org/wiki/Gaussian_function
- http://www.wolframalpha.com/input/?i=Gaussian
- NIST Digital Library of Mathematical Functions
- The On-Line Encyclopedia of Integer Sequences
관련논문
관련도서 및 추천도서
- 도서내검색
- 도서검색
관련기사
- 네이버 뉴스 검색 (키워드 수정)