"1차원 가우시안 적분"의 두 판 사이의 차이

수학노트
둘러보기로 가기 검색하러 가기
12번째 줄: 12번째 줄:
  
 
<math>e^{-x^2}</math> 라는 함수는, 시도해 보면 알겠지만, 부정적분이 잘 되지 않는다. 하지만 우리는 부정적분을 알지 못해도 <math>(-\infty,\infty)</math> 에서의 정적분을 계산할 수 있다.
 
<math>e^{-x^2}</math> 라는 함수는, 시도해 보면 알겠지만, 부정적분이 잘 되지 않는다. 하지만 우리는 부정적분을 알지 못해도 <math>(-\infty,\infty)</math> 에서의 정적분을 계산할 수 있다.
 +
 +
 
 +
 +
1. <math>\int\int_{\mathbb{R}^2}e^{-x^2-y^2}dA</math>
 +
 +
<math>\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</math>
 +
 +
극좌표 치환이 사용되었다.
 +
 +
 
 +
 +
 
 +
 +
2. <math>\int_{-\infty}^{\infty}e^{-\frac{x^2}{2}}dx</math>
 +
 +
<math>\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</math>
 +
 +
 
 +
 +
<math>\int_{-\infty}^{\infty}e^{-x^2}dx =\sqrt{\pi}</math>
 +
 +
<math>x=\frac{t}{\sqrt{2}}</math>,
 +
 +
<math>\int_{-\infty}^{\infty}e^{-\frac{x^2}{2}}dx=\sqrt{2\pi}</math>
  
 
 
 
 
29번째 줄: 53번째 줄:
 
<h5>메모</h5>
 
<h5>메모</h5>
  
−
함수 <math>e^{-x^2}</math> 는 정규분포함수에도 등장한다. 평균이 <math>\mu</math> 이고 분산이 <math>\sigma^2</math> 인 확률변수의 확률밀도함수는
+
함수 <math>e^{-x^2}</math> 는 정규분포함수에도 등장한다.
  
−
 
+
평균이 <math>\mu</math> 이고 분산이 <math>\sigma^2</math> 인 정규분포를 따르는 확률변수의 확률밀도함수는 <math>f(x) = \frac{1}{\sqrt{2\pi} \sigma}e^{-\frac{(x-\mu)^2}{2\sigma^2}}</math> 와 같이 쓸 수 있다.
 +
 
 +
계수에서 등장하는 <math>(2\pi)^{-\frac{1}{2}}</math> 는, 확률밀도함수의 정규화(전사건의 확률이 1이 되도록 해 주는 것)를 위한 것이다. 즉, <math>e^{- \frac{x^2}{2\sigma^2}}</math> 를 실수 전체에서 적분하면 <math>\sqrt{2\pi}\sigma</math> 가 된다.
  
 
<h5>관련된 항목들</h5>
 
<h5>관련된 항목들</h5>
101번째 줄: 127번째 줄:
 
* [http://math.dongascience.com/ 수학동아]
 
* [http://math.dongascience.com/ 수학동아]
 
* [http://www.ams.org/mathmoments/ Mathematical Moments from the AMS]
 
* [http://www.ams.org/mathmoments/ Mathematical Moments from the AMS]
−
 
−
 
 
−
 
−
1. <math>\int\int_{\mathbb{R}^2}e^{-x^2-y^2}dA</math>
 
−
 
−
<math>\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</math>
 
−
 
−
 
 
−
 
−
 
 
−
 
−
 
 
−
 
−
2. <math>\int_{-\infty}^{\infty}e^{-\frac{x^2}{2}}dx</math>
 
−
 
−
<math>\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</math>
 
−
 
−
 
 
−
 
−
<math>\int_{-\infty}^{\infty}e^{-x^2}dx =\sqrt{\pi}</math>
 
−
 
−
<math>x=\frac{t}{\sqrt{2}}</math>,
 
−
 
−
<math>\int_{-\infty}^{\infty}e^{-\frac{x^2}{2}}dx=\sqrt{2\pi}</math>
 

2009년 11월 8일 (일) 03:52 판

이 항목의 스프링노트 원문주소

 

 

간단한 소개

\(\int_{-\infty}^\infty e^{-x^2}\,dx = \sqrt{\pi}\) 의 적분을 Gaussian integral 이라고 한다.

 

\(e^{-x^2}\) 라는 함수는, 시도해 보면 알겠지만, 부정적분이 잘 되지 않는다. 하지만 우리는 부정적분을 알지 못해도 \((-\infty,\infty)\) 에서의 정적분을 계산할 수 있다.

 

1. \(\int\int_{\mathbb{R}^2}e^{-x^2-y^2}dA\)

\(\int\int_{\mathbb{R}^2}e^{-x^2-y^2}dA= \int_{0}^{2\pi}\int_{0}^{\infty}e^{-r^2}rdrd\theta=2\pi\int_{0}^{\infty}re^{-r^2}dr=2\pi[-\frac{1}{2}e^{r^2}]_{0}^{\infty}=\pi\)

극좌표 치환이 사용되었다.

 

 

2. \(\int_{-\infty}^{\infty}e^{-\frac{x^2}{2}}dx\)

\(\int\int_{\mathbb{R}^2}e^{-x^2-y^2}dA= \int_{-\infty}^{\infty}\int_{-\infty}^{\infty}e^{-x^2-y^2}dxdy=(\int_{-\infty}^{\infty}e^{-x^2}dx)(\int_{-\infty}^{\infty} e^{-y^2}dy)=(\int_{-\infty}^{\infty}e^{-x^2}dx)^2\)

 

\(\int_{-\infty}^{\infty}e^{-x^2}dx =\sqrt{\pi}\)

\(x=\frac{t}{\sqrt{2}}\),

\(\int_{-\infty}^{\infty}e^{-\frac{x^2}{2}}dx=\sqrt{2\pi}\)

 

 

 

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

 

 

관련논문

 

관련도서 및 추천도서

 

 

관련기사

 

 

블로그
원본 주소 "https://wiki.mathnt.net/index.php?title=1차원_가우시안_적분&oldid=3538"