Esta pergunta está iniciando na seguinte pergunta. /math/360275/e1-1x2-under-a-normal-distribution
Basicamente, o que é sob um gaussiano . Tentei reescrever como uma mistura escalar de gaussianos ( ). Isso também parou, a menos que vocês tenham um truque.N(μ,σ2)1 ct∫N(x|0,τ-1)Lum(τ|1/2,1/2)dτ
Se essa integral não é analítica, há limites sensíveis?
normal-distribution
expected-value
bounds
sachinruk
fonte
fonte
Respostas:
Seja seja o Normal PDF e são o PDF de uma distribuição de Student t com um df o PDF de uma variável normal é (por simetria), a expectativa é igual a(0,σ)g(x)=1fσ(x)=12π√σexp(−x22σ2) (0,σ) (μ,σ)Xfσ(x-μ)=fσ(μ-x)g(x)=1π(1+x2)−1 (μ,σ) X fσ(x−μ)=fσ(μ−x)
Esta é a fórmula que define a convolução . O resultado mais básico da análise de Fourier é que a transformada de Fourier de uma convolução é o produto das transformadas de Fourier . Além disso, as funções características (cf) são (até múltiplos adequados) transformadas de Fourier de PDFs. O cf de uma distribuição Normal é(f⋆πg)(μ) (0,σ)
e o cf desta distribuição Student t é
(Ambos podem ser obtidos por métodos elementares.) O valor da transformação inversa de Fourier de seu produto em é, por definição,μ
Seu cálculo é elementar: execute-o separadamente nos intervalos e para simplificarpara e , respectivamente, e complete o quadrado de cada vez. Integrais semelhantes ao CDF Normal são obtidos - mas com argumentos complexos. Uma maneira de escrever a solução é[ 0 , ∞ ) | t | - t t(−∞,0] [0,∞) |t| −t t
Aqui, é a função de erro complementar em queerfc(z)=1−erf(z)
Um caso especial é para o qual esta expressão se reduz aE 1 , 0 ( 1μ=0,σ=1
Aqui está o gráfico de contorno de (em um eixo logarítmico de ). σEσ,μ σ
fonte
Esta é uma idéia de como resolvê-lo, que usa a identidade proposta por Did aqui . Você poderia usar
fonte