概率论中两种特殊的 E(x) 计算方法:先求积分再求导,或者先求导再求积分

2024-06-10 13:52

本文主要是介绍概率论中两种特殊的 E(x) 计算方法:先求积分再求导,或者先求导再求积分,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

为了求解某个函数 ( E(x) ),可以使用两种方法:先求积分再求导,或者先求导再求积分。这里我们以数列求和公式为例,分别介绍这两种方法。

1. 先求积分再求导

假设我们有一个函数 ( f(x) ) 的级数展开:

E ( x ) = ∑ n = 1 ∞ a n x n E(x) = \sum_{n=1}^{\infty} a_n x^n E(x)=n=1anxn

我们可以通过对 ( E(x) ) 进行积分,再求导来得到 ( E(x) )。

(1) 对 ( E(x) ) 积分

定义一个新函数 ( F(x) ):

F ( x ) = ∫ E ( x ) d x = ∫ ∑ n = 1 ∞ a n x n d x F(x) = \int E(x) \, dx = \int \sum_{n=1}^{\infty} a_n x^n \, dx F(x)=E(x)dx=n=1anxndx

交换积分和求和次序:

F ( x ) = ∑ n = 1 ∞ a n ∫ x n d x F(x) = \sum_{n=1}^{\infty} a_n \int x^n \, dx F(x)=n=1anxndx

计算积分:

∫ x n d x = x n + 1 n + 1 \int x^n \, dx = \frac{x^{n+1}}{n+1} xndx=n+1xn+1

所以,

F ( x ) = ∑ n = 1 ∞ a n x n + 1 n + 1 F(x) = \sum_{n=1}^{\infty} a_n \frac{x^{n+1}}{n+1} F(x)=n=1ann+1xn+1

(2) 对 ( F(x) ) 求导

我们现在对 ( F(x) ) 求导:

E ( x ) = d d x F ( x ) = d d x ∑ n = 1 ∞ a n x n + 1 n + 1 E(x) = \frac{d}{dx} F(x) = \frac{d}{dx} \sum_{n=1}^{\infty} a_n \frac{x^{n+1}}{n+1} E(x)=dxdF(x)=dxdn=1ann+1xn+1

交换求导和求和次序:

E ( x ) = ∑ n = 1 ∞ a n d d x ( x n + 1 n + 1 ) E(x) = \sum_{n=1}^{\infty} a_n \frac{d}{dx} \left( \frac{x^{n+1}}{n+1} \right) E(x)=n=1andxd(n+1xn+1)

计算导数:

d d x ( x n + 1 n + 1 ) = ( n + 1 ) x n n + 1 = x n \frac{d}{dx} \left( \frac{x^{n+1}}{n+1} \right) = \frac{(n+1) x^n}{n+1} = x^n dxd(n+1xn+1)=n+1(n+1)xn=xn

所以,

E ( x ) = ∑ n = 1 ∞ a n x n E(x) = \sum_{n=1}^{\infty} a_n x^n E(x)=n=1anxn

这验证了我们的结果。

2. 先求导再求积分

我们也可以通过先对 ( E(x) ) 求导,再对导函数进行积分来得到 ( E(x) )。

(1) 对 ( E(x) ) 求导

对 ( E(x) ) 求导:

E ′ ( x ) = d d x ( ∑ n = 1 ∞ a n x n ) E'(x) = \frac{d}{dx} \left( \sum_{n=1}^{\infty} a_n x^n \right) E(x)=dxd(n=1anxn)

交换求导和求和次序:

E ′ ( x ) = ∑ n = 1 ∞ a n d d x ( x n ) E'(x) = \sum_{n=1}^{\infty} a_n \frac{d}{dx} (x^n) E(x)=n=1andxd(xn)

计算导数:

d d x ( x n ) = n x n − 1 \frac{d}{dx} (x^n) = n x^{n-1} dxd(xn)=nxn1

所以,

E ′ ( x ) = ∑ n = 1 ∞ a n n x n − 1 E'(x) = \sum_{n=1}^{\infty} a_n n x^{n-1} E(x)=n=1annxn1

(2) 对 ( E’(x) ) 积分

现在对 ( E’(x) ) 积分:

E ( x ) = ∫ E ′ ( x ) d x = ∫ ∑ n = 1 ∞ a n n x n − 1 d x E(x) = \int E'(x) \, dx = \int \sum_{n=1}^{\infty} a_n n x^{n-1} \, dx E(x)=E(x)dx=n=1annxn1dx

交换积分和求和次序:

E ( x ) = ∑ n = 1 ∞ a n n ∫ x n − 1 d x E(x) = \sum_{n=1}^{\infty} a_n n \int x^{n-1} \, dx E(x)=n=1annxn1dx

计算积分:

∫ x n − 1 d x = x n n \int x^{n-1} \, dx = \frac{x^n}{n} xn1dx=nxn

所以,

E ( x ) = ∑ n = 1 ∞ a n n x n n = ∑ n = 1 ∞ a n x n E(x) = \sum_{n=1}^{\infty} a_n n \frac{x^n}{n} = \sum_{n=1}^{\infty} a_n x^n E(x)=n=1annnxn=n=1anxn

这验证了我们的结果。

通过这两种方法,我们可以得到同样的函数 ( E(x) ),即:

E ( x ) = ∑ n = 1 ∞ a n x n E(x) = \sum_{n=1}^{\infty} a_n x^n E(x)=n=1anxn

这篇关于概率论中两种特殊的 E(x) 计算方法:先求积分再求导,或者先求导再求积分的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1048349

相关文章

BUUCTF(34)特殊的 BASE64

使用pycharm时,如果想把代码撤销到之前的状态可以用 Ctrl+z 如果不小心撤销多了,可以用 Ctrl+Shift+Z 还原, 别傻傻的重新敲了 BUUCTF在线评测 (buuoj.cn) 查看字符串,想到base64的变表 这里用的c++的标准程序库中的string,头文件是#include<string> 这是base64的加密函数 std::string

微积分-积分应用5.4(功)

术语“功”在日常语言中用来表示完成一项任务所需的总努力量。在物理学中,它有一个依赖于“力”概念的技术含义。直观上,你可以将力理解为对物体的推或拉——例如,一个书本在桌面上的水平推动,或者地球对球的向下拉力。一般来说,如果一个物体沿着一条直线运动,位置函数为 s ( t ) s(t) s(t),那么物体上的力 F F F(与运动方向相同)由牛顿第二运动定律给出,等于物体的质量 m m m 与其

android两种日志获取log4j

android   log4j 加载日志使用方法; 先上图: 有两种方式: 1:直接使用架包 加载(两个都要使用); 架包:android-logging-log4j-1.0.3.jar 、log4j-1.2.15.jar  (说明:也可以使用架包:log4j-1.2.17.jar)  2:对架包输入日志的二次封装使用; 1:直接使用 log4j 日志框架获取日志信息: A:配置 日志 文

特殊JSON解析

一般的与后台交互;都会涉及到接口数据的获取;而这里的数据一般情况就是JSON 了;JSON 解析起来方便;而且数据量也较小一些;所以JSON在接口数据返回中是个很不错的选择。 下面简单说下JSON解析过程中的一些案例: 这里我用到了三方的架包:fastjson-1.1.39.jar 架包 可以在我的博客中找到下载;或者网上找下 很多的; 这里主要就是映射  关系了;这就要求:实体类的名称和

IBS和IBD的区别和计算方法介绍

大家好,我是邓飞。 今天介绍一下IBS和IBD的区别: IBS(肠易激综合症)和IBD(炎症性肠病)是两种不同的消化系统疾病,主要区别如下: IBS(Irritable Bowel Syndrome):是一种功能性肠道疾病,主要表现为腹痛、腹胀、腹泻或便秘,症状通常与饮食、压力和心理因素相关,没有明显的器质性病变。 IBD(Inflammatory Bowel Disease):是一组

c++11工厂子类实现自注册的两种方法

文章目录 一、产品类构建1. 猫基类与各品种猫子类2.狗基类与各品种狗子类 二、工厂类构建三、客户端使用switch-case实现调用不同工厂子类四、自注册方法一:公开注册函数显式注册五、自注册方法二:构造函数隐形注册总结 一、产品类构建 1. 猫基类与各品种猫子类 class Cat {public:virtual void Printer() = 0;};class

组合c(m,n)的计算方法

问题:求解组合数C(n,m),即从n个相同物品中取出m个的方案数,由于结果可能非常大,对结果模10007即可。       共四种方案。ps:注意使用限制。 方案1: 暴力求解,C(n,m)=n*(n-1)*...*(n-m+1)/m!,n<=15 ; int Combination(int n, int m) { const int M = 10007; int

机械学习—零基础学习日志(概率论总笔记5)

引言——“黑天鹅” 要获得95%以上置信度的统计结果,需要被统计的对象出现上千次,但是如果整个样本只有几千字,被统计的对象能出现几次就不错了。这样得到的数据可能和真实的概率相差很远。怎么避免“黑天鹅”? 古德-图灵折扣估计法 在词语统计中,有点词语虽然是出现0次,但是实际的出现概率并不是永远不可能的零。 那需要把一些概率转移给到这些词语。 古德的做法实际上就是把出现1次的单词的总量,给了

关于字符串转化为数字的深度优化两种算法

最近在做项目,在实际操作中发现自己在VC环境下写的字符串转化为整型的函数还是太过理想化了,或者说只能在window平台下软件环境中运行,重新给大家发两种函数方法: 第一个,就是理想化的函数,在VC环境下充分利用指针的优越性,对字符串转化为整型(同时也回答了某位网友的答案吖),实验检验通过: #include <stdio.h> #include <string.h> int rayatoi(c

Java构造和解析Json数据的两种方法(json-lib构造和解析Json数据, org.json构造和解析Json数据)

在www.json.org上公布了很多JAVA下的json构造和解析工具,其中org.json和json-lib比较简单,两者使用上差不多但还是有些区别。下面首先介绍用json-lib构造和解析Json数据的方法示例。 一、介绍       JSON-lib包是一个beans,collections,maps,java arrays 和XML和JSON互相转换的包,主要就是用来解析Json