1、問題說明
在通信原理的判決門限和數字圖像處理的閾值處理中,經常會遇到關於正態函數的積分值討論。我們知道,標準正態分佈N∼(1,0)的函數積分值是1,即:
2π1∫−∞∞e−2x2dx=1
證明過程如第2部分所示。
對於一般的情形N∼(μ,σ2),積分的結果又如何呢?這一點我們在第3部分討論。
2、N∼(1,0)的函數積分值
記概率密度函數
f(x)=2π1e−2x2(1)
記f(x)在(−∞,∞)上的積分值爲
I=∫−∞+∞f(x)dx(2)
由於積分值與變量名無關,將 x 換爲 y ,得
I=∫−∞+∞2π1e−2x2dx=∫−∞+∞2π1e−2y2dy(3)
由於 x 與 y 相互獨立,可由(3)得
I2=∫−∞+∞2π1e−2x2dx×∫−∞+∞2π1e−2y2dy
I2=2π1∫−∞+∞∫−∞+∞e−2x2+y2dxdy(4)
對 x 和 y 進行變量替換,
x=rcosθ, y=rsinθ
根據雅可比行列式計算出變量替換後的微分項:
dxdy=∣∣∣∣∂(r,θ)∂(x,y)∣∣∣∣drdθ=∣∣∣∣∂r∂x∂θ∂x∂r∂y∂θ∂y∣∣∣∣drdθ=∣∣∣∣cosθ−rsinθsinθrcosθ∣∣∣∣drdθ=rdrdθ
則(4)經過變量替換後,得到
I2=2π1∫02π∫0∞e−2r2rdrdθ
I2=(2π1∫02πdθ)(∫0∞e−2r2rdr)
I2=21∫0∞e−2r2dr2=1
又由於顯然有 I>0 ,因此可知
I=2π1∫−∞∞e−2x2dx=1(5)
3、N∼(μ,σ2)的函數積分值
對於一般的正態分佈函數
f(x)=2πσ1e−2σ2(x−μ)2(6)
對 x 進行變量替換,用 z 表示
z=σx−μ, dx=σdz
則該函數的積分值爲
I=2πσ1∫−∞+∞e−2σ2(x−μ)2dx=2πσ1∫−∞+∞e−2z2σdz=1(7)
上式中最後一步利用了(5)中的結果。
4、分析與討論
可以看出,不管σ的值爲多少,正態分佈密度函數在(−∞,∞)上的積分值都爲1,函數f(x)=2πσ1e−2σ2(x−μ)2中前面係數的分母上的σ起到了歸一化的作用。σ越大,曲線越矮胖,表示數值的分佈越分散,這也與σ本身的含義一致——標準差。
但是,如果缺少了前面分母中的σ,則該函數的積分值與σ成正比。這需要根據具體的應用場景來確定。