神經網絡|(十六)概率論基礎知識-伽馬函數·中

【1】引言

前序學習進程中,已經初步了解了伽馬函數,認識到nnn的階乘計算可以轉化為:
n!=n!?limk→+∞kn?k!(n+k)!=limk→+∞kn?k!?n!(n+k)!=limk→+∞kn?k!(n+1)(n+2)...(n+k)n!=n! \cdot lim_{k\rightarrow+\infty}\frac{k^n\cdot k!}{(n+k)!}=\\lim_{k\rightarrow+\infty}\frac{k^n\cdot k!\cdot n!}{(n+k)!}=\\ lim_{k\rightarrow+\infty}\frac{k^n\cdot k!}{(n+1)(n+2)...(n+k)}n!=n!?limk+?(n+k)!kn?k!?=limk+?(n+k)!kn?k!?n!?=limk+?(n+1)(n+2)...(n+k)kn?k!?
如果把整數nnn替換成任意實數xxx,就會有:
x!=limk→+∞kx?k!(x+1)(x+2)...(x+k)x!=lim_{k\rightarrow+\infty}\frac{k^x\cdot k!}{(x+1)(x+2)...(x+k)}x!=limk+?(x+1)(x+2)...(x+k)kx?k!?
此時,只要xxx不是負整數,因為負整數會導致分母為0,上述計算式就能執行,此時階乘形式的伽馬函數被擴展到除負整數以外的所有實數。
但大家熟悉的伽馬函數其實是一個指數積分形式,因此還需繼續探究。

【2】證明積分式和階乘式相等

證明∫01(?lnt)sdt=s!\int_{0}^{1}(-lnt)^sdt=s!01?(?lnt)sdt=s!

【2.1】積分變換

首先令u=?lntu=-ln tu=?lnt,有:du=?1tdtdt=?tdut=e?udu=-\frac{1}{t}dt\\ dt=-tdu \\t=e^{-u}du=?t1?dtdt=?tdut=e?u
此時被積函數變換為:
(?lnt)s=us(-lnt)^s=u^s(?lnt)s=us
t→0+t\rightarrow 0^+t0+時,u=?lnt=+∞u=-lnt=+\inftyu=?lnt=+
t→1t\rightarrow 1t1時,u=?lnt=0u=-lnt=0u=?lnt=0
將上述變換代入積分式:
∫01(?lnt)sdt=∫+∞0us(?t)du=∫+∞0us(?eu)du=∫0+∞use?udu\int_{0}^{1}(-lnt)^sdt=\int_{+\infty}^{0}u^s(-t)du=\\ \int_{+\infty}^{0}u^s(-e^u)du=\int_{0}^{+\infty}u^se^{-u}du01?(?lnt)sdt=+0?us(?t)du=+0?us(?eu)du=0+?use?udu

【2.2】分部積分-s為正整數

sss為正整數nnn時,積分先寫作:

∫01(?lnt)sdt=∫0+∞une?udu\int_{0}^{1}(-lnt)^sdt=\int_{0}^{+\infty}u^ne^{-u}du01?(?lnt)sdt=0+?une?udu
v=un,dw=e?uduv=u^n,dw=e^{-u}duv=un,dw=e?udu,有:
dv=nun?1du,w=?e?udv=nu^{n-1}du,w=-e^{-u}dv=nun?1du,w=?e?u
此時積分式轉化為:
∫01(?lnt)sdt=∫0+∞une?udu=∫0+∞vdw=vw∣0+∞?∫0+∞wdv=(un(?e?u))∣0+∞+∫0+∞nun?1e?udu=0+∫0+∞nun?1e?udu=n∫0+∞un?1e?udu\int_{0}^{1}(-lnt)^sdt=\int_{0}^{+\infty}u^ne^{-u}du=\\ \int_{0}^{+\infty}vdw=vw|_{0}^{+\infty}-\int_{0}^{+\infty}wdv=\\ (u^n(-e^{-u}))|_{0}^{+\infty}+\int_{0}^{+\infty}nu^{n-1}e^{-u}du=\\ 0+\int_{0}^{+\infty}nu^{n-1}e^{-u}du=n\int_{0}^{+\infty}u^{n-1}e^{-u}du01?(?lnt)sdt=0+?une?udu=0+?vdw=vw0+??0+?wdv=(un(?e?u))0+?+0+?nun?1e?udu=0+0+?nun?1e?udu=n0+?un?1e?udu
這時候先暫停一下,根據前述推導有:
∫0+∞une?udu=n∫0+∞un?1e?udu\int_{0}^{+\infty}u^ne^{-u}du=n\int_{0}^{+\infty}u^{n-1}e^{-u}du0+?une?udu=n0+?un?1e?udu按照這個形式,會有:
∫0+∞une?udu=n∫0+∞un?1e?udu=n(n?1)∫0+∞un?2e?udu=...=n(n?1)...2∫0+∞u1e?udu=n(n?1)...2?1∫0+∞u0e?udu=n!\int_{0}^{+\infty}u^ne^{-u}du=n\int_{0}^{+\infty}u^{n-1}e^{-u}du=\\ n(n-1)\int_{0}^{+\infty}u^{n-2}e^{-u}du=...=\\ n(n-1)...2\int_{0}^{+\infty}u^{1}e^{-u}du=\\ n(n-1)...2\cdot 1\int_{0}^{+\infty}u^{0}e^{-u}du=n!0+?une?udu=n0+?un?1e?udu=n(n?1)0+?un?2e?udu=...=n(n?1)...20+?u1e?udu=n(n?1)...2?10+?u0e?udu=n!至此可知,當sss為正整數nnn時,
∫01(?lnt)sdt=s!\int_{0}^{1}(-lnt)^sdt=s!01?(?lnt)sdt=s!

【3】總結

sss為正整數nnn時,
∫01(?lnt)sdt=s!\int_{0}^{1}(-lnt)^sdt=s!01?(?lnt)sdt=s!,積分式和階乘式相等。

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/pingmian/94730.shtml
繁體地址,請注明出處:http://hk.pswp.cn/pingmian/94730.shtml
英文地址,請注明出處:http://en.pswp.cn/pingmian/94730.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

設計模式Books Reading

文章目錄 設計模式 創建型設計模式 工廠方法 示例說明 工廠方法模式結構 案例偽代碼 工廠方法模式適合應用 實現方式 工廠方法模式優缺點 與其他模式的關系 概念示例 抽象工廠 抽象工廠模式結構 抽象工廠模式適合應用場景 實現方式 抽象工廠模式優缺點 與其他模式的關系 代碼示…

接吻數問題:從球體堆疊到高維空間的數學奧秘

本文由「大千AI助手」原創發布,專注用真話講AI,回歸技術本質。拒絕神話或妖魔化。搜索「大千AI助手」關注我,一起撕掉過度包裝,學習真實的AI技術! 1 接吻數問題概述 接吻數問題(Kissing Number Problem&am…

深度學習③【卷積神經網絡(CNN)詳解:從卷積核到特征提取的視覺革命(概念篇)】

文章目錄先言1. 卷積核:特征檢測的魔法窗口1.1什么是卷積核:可學習的特征檢測器1.2可視化理解:邊緣檢測、紋理提取、特征發現1.3代碼實現:使用PyTorch定義和初始化卷積層2. 卷積運算的數學原理2.1.離散卷積計算:滑動窗…

當不想安裝telnet或nc時,可使用 Linux 系統默認自帶的bash原生網絡功能或ping(輔助判斷)測試連通性

1. 用bash原生/dev/tcp測試端口(無需任何工具)bashshell 內置了/dev/tcp虛擬設備,可直接通過腳本測試端口是否能連接,執行以下命令(替換數據庫 IP 和端口):# 格式:echo > /dev/tc…

【STM32外設】ADC

聲明:上圖是STM32產品型號各字段含義,本文基于STM32F103 1、ADC的一些概念 常規通道(常規組)和注入通道(注入組)(regular channels and injected channels)ADC支持的外部通道總共16個(且被3個ADC共享,ADC12…

Aha Moment——啊哈時刻!

1. 理解面試官的意圖面試官問你“Aha moment”,其實是想知道:你是否真正理解這個概念:不只是背定義,而是理解其為什么重要。你如何發現它:考察你的數據分析方法論和技術能力(用了哪些數據、指標、模型&…

RAG教程5:多表示索引和ColBERT

文章目錄 導入依賴包 多表示索引 ColBERT 導入依賴包 %pip install youtube-transcript-api pytube多表示索引 from langchain_community.document_loaders import WebBaseLoader from langchain_text_splitters import RecursiveCharacterTextSplitterloader = WebBaseL

來自火山引擎的 MCP 安全授權新范式

資料來源:火山引擎-開發者社區 本文旨在深入剖析火山引擎 Model Context Protocol (MCP) 開放生態下的 OAuth 授權安全挑戰,并系統闡述火山引擎為此構建的多層次、縱深防御安全方案。面對由 OAuth 2.0 動態客戶端注冊帶來的靈活性與潛在風險,…

瑞芯微RK3506開發板PWM輸入捕獲驅動調試記錄

本文演示PWM輸入信號采集,基于觸覺智能RK3506開發板。配置為: 3核Cortex-A7Cortex-M0多核異構處理器 主要接口:2路CAN FD,5路串口,RGB、MIPI、音頻、USB2.0 OTG等、板載雙百兆網口4G星閃SLEWiFi6BLE5.2。 PWM信號簡…

PHP的header()函數分析

PHP的header()函數是HTTP協議交互的核心工具,它通過直接操縱響應頭實現服務器與客戶端之間的元數據通信。作為PHP原生函數,其設計初衷是處理HTTP協議層的關鍵操作,包括狀態碼設置、內容類型聲明和緩存控制等基礎功能。在Web開發中&#xff0c…

根據并發和響應延遲,實現語音識別接口自動切換需求

根據并發和響應延遲,語音識別接口自動 切換需求 需求描述: 當請求的語音識別的請求數量大于3或者請求語音識別接口3秒不可達無響應,切換備用語音識別接口 科大訊飛語音識別作為備用接口 科大訊飛的API文檔: 進入訊飛開放平臺的網頁&#…

程序員之電工基礎-CV程序解決目標檢測

一、背景 興趣愛好來了,決定研發一個產品。涉及到電工和機械等知識,所以記錄一下相關的基礎知識。今天的內容又回到了我的主營板塊!!哈哈!!為后續整體集成做準備,先測試目標檢測部分的能力。 二…

B樹的概述以及插入邏輯

一,B樹的概述1.B樹(B-樹)又稱多路平衡查找樹,B樹所有節點中孩子數量的最大值n稱為B樹的階,通常用m表示比如當m為2就是常見的二叉樹一顆m階的B樹定義如下:1)每個結點最多有m-1個關鍵字;2)根節點最少可以只有1個關鍵字;3…

如何用 Kotlin 在 Android 手機開發一個小鬧鐘、計時器、秒表

以下是在 Android 上用 Kotlin 開發小鬧鐘、計時器和秒表的方法,分為核心功能實現和界面設計兩部分: 鬧鐘功能實現 AlarmManager 和 BroadcastReceiver // 設置鬧鐘 val alarmManager getSystemService(Context.ALARM_SERVICE) as AlarmManager val i…

LeetCode Hot 100 第8天

1. 73 矩陣置零(記錄標識) 鏈接:題目鏈接 題解: 題解 時間復雜度O(n*m): 方案1(空間復雜度O(n m)):matrix[i][j] 0,意味著 第i行、第j列所有元素都要置為0;維護能置為0行、列的集…

Python OpenCV圖像處理與深度學習:Python OpenCV開發環境搭建與入門

Python OpenCV入門:環境設置 學習目標 通過本課程,學員們將學習在Windows、macOS和Linux操作系統上安裝Python和OpenCV,配置開發環境,以及如何使用Jupyter Notebook和PyCharm等集成開發環境(IDE)進行基本操…

【論文閱讀】SegCLIP:用于高分辨率遙感圖像語義分割的多模態視覺語言和快速學習

【論文閱讀】SegCLIP:用于高分辨率遙感圖像語義分割的多模態視覺語言和快速學習 文章目錄【論文閱讀】SegCLIP:用于高分辨率遙感圖像語義分割的多模態視覺語言和快速學習一、介紹二、聯系工作三、方法四、實驗結果**數據集**SegCLIP: Multimodal Visual-…

Anaconda、OpenCV安裝配置方法

目錄 1.Anaconda安裝 1.1 國內鏡像軟件下載 1.2 點擊exe,一路下一步安裝 1.3 檢查安裝情況 1.3.1 安裝前后系統環境變量變化對比 1.3.2 查看安裝路徑和版本 1.4 Anaconda自帶的python版本查看命令如下: 1.5 修改鏡像地址,加快下載包的…

C++函數繼承

C函數繼承引言C三大特征分別為封裝,繼承和多態,它們構成了面向對象編程的基石,它們協同工作以提升代碼的模塊化,可復用性和靈活性封裝:提高代碼的維護性(當程序出現問題時可以準確定位)繼承&…

瞬態數據表定義Fluent變量

重要說明:本文基于2025R2版本編寫,其他版本可能存在差異。1 概述瞬態數據表是定義 Fluent 變量隨時間變化規律的profile文件,文件類型為文本文件。瞬態數據表假設所有時刻,被定義的對象都是均勻分布,無法考慮變量在空間…