当前位置: 首页 > backend >正文

神经网络|(十八)概率论基础知识-伽马函数溯源-阶乘的积分表达式

【1】引言

前序学习进程中,已经初步学习了伽马函数入门和伽马函数溯源初步,
今天继续溯源伽马函数。

【2】对数函数转换为指数函数

在伽马函数溯源初步中,我们已经证明:
sss为正整数nnn时,
∫01(−lnt)sdt=s!\int_{0}^{1}(-lnt)^sdt=s!01(lnt)sdt=s!
积分式和阶乘式相等,阶乘式和积分式的等价形式有了雏形。
但现实中的积分式却存在一种情况,当s≤−1s\leq-1s1时,积分∫01(−lnt)sdt\int_{0}^{1}(-lnt)^sdt01(lnt)sdt本身是发散的,因此有必要引入衰减因子,让积分函数的定义域覆盖面更广。
实际上我们最后见到的伽马函数式是积分式,所以如果着急,学到当前这一步依然令人迷惑。
我们回到之前提过的积分变换:
首先令u=−lntu=-ln tu=lnt,有:du=−1tdtdt=−tdut=e−udu=-\frac{1}{t}dt\\ dt=-tdu \\t=e^{-u}du=t1dtdt=tdut=eu
此时被积函数变换为:
(−lnt)s=us(-lnt)^s=u^s(lnt)s=us
t→0+t\rightarrow 0^+t0+时,u=−lnt=+∞u=-lnt=+\inftyu=lnt=+
t→1t\rightarrow 1t1时,u=−lnt=0u=-lnt=0u=lnt=0
将上述变换代入积分式:
∫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=+0us(t)du=+0us(eu)du=0+useudu
所以,此时非常重要的,阶乘的积分表示为:
x!=∫0+∞use−udux!=\int_{0}^{+\infty}u^se^{-u}dux!=0+useudu

【3】总结

说实话写到这一步有点醉,因为这个学习过程有点翻来覆去,这部分内容先讲到这里,理解到这里已经不耽误使用,大家大可放心继续向前学习其他新知识。

http://www.xdnf.cn/news/19694.html

相关文章:

  • k8s常用命令
  • 对矩阵行化简操作几何含义的理解
  • HDI是什么?与普通线路板有何区别?优势在哪?
  • 嵌入式git分支管理策略
  • Java基础第9天总结(可变参数、Collections、斗地主)
  • 魔域服务器多少钱一个月?魔域服务器配置要求及推荐
  • Linux 入门到精通,真的不用背命令!零基础小白靠「场景化学习法」,3 个月拿下运维 offer,第二十四天
  • 鸿蒙Next开发指南:XComponent与Progress组件的深度解析与实践
  • 在 PySpark 中解锁窗口函数的力量,实现高级数据转换
  • 数控机床相邻轨迹最大过渡速度计算方法介绍
  • 【Kubernetes】知识点2
  • 【数学建模学习笔记】时间序列分析:LSTM
  • Vue 3 + TypeScript 现代前端开发最佳实践(2025版指南)
  • 【完整源码+数据集+部署教程】PHC桩实例分割系统源码和数据集:改进yolo11-Faster-EMA
  • 黄金金融期货数据API对接技术文档
  • nmap扫描端口,netstat
  • 土地退化相关
  • Axure: 平滑折线图
  • Apache Doris:重塑湖仓一体架构的高效计算引擎
  • 文件页的预取逻辑
  • 小兔鲜儿项目
  • 树莓派网页监控
  • 从 Arm Compiler 5 迁移到 Arm Compiler 6
  • 2025 随身 WIFI 行业报告:从拼参数到重体验,华为 / 格行 / 中兴技术差异化路径解析
  • 梳理一下 @types/xxx
  • java面试中经常会问到的多线程问题有哪些(基础版)
  • think
  • ubuntu系统设置中文失败问题
  • grpc-swift-2 学习笔记
  • 均匀分布直线阵的常规波束形成方位谱和波束图