概率方法在积分中的应用.docVIP

概率方法在积分中的应用 概率论是研究随机现象及其规律性的数学学科，它既有着自己独特的概念和方法，内容丰富，又与其他科学分支有着紧密的联系，具有广泛的应用性。在概率论中,连续性随机变量的概率分布函数、数学期望与积分有着一定联系, 这使得用概率论的思想方法求解证明某些复杂的、无法用常规数学分析方法解决的定积分、由定积分推广而来的广义积分、积分不等式成为可能。下面，本文将结合实例，对上述问题做一定浅显分析： 定积分的近似求解 在实际当中，经常会碰到复杂函数的定积分，虽然积分存在，但是积不出来，这时我们不得不考虑其数值计算。下面给出的方法是一种行之有效的数值计算法。 例1 设01，求f(x)在区间[0,1]上的积分值： J=。 解：设（，）服从正方形上的均匀分布，则可知服从[0,1]上的均匀分布，也服从[0,1]上的均匀分布，且与独立。又记事件 =, 则的概率为 ====J 即定积分的值J就是事件A的概率。由伯努利大数定律，我们可以用重复试验中A出现的频率作为的估计值。这种求定积分的方法也成为随机投点法，即将（，）看成是向正方形内的随机投点，用随机点落在区域中的频率作为定积分的近似值。 下面用蒙特卡洛的方法，来得到A出现的频率： 先用计算机产生（0，1）上均匀分布的个随机数：，，=1,2，,这里的可以很大， 对对数据（，），=1,2，,记录满足如下不等式 的次数，这就是事件A发生的频数，由此可得事件A发生的频率，则J 注:对于一般的区间上的定积分 W=, 作线性变换=，即可化成[0,1]区间上的积分。进一步若，可令 =， 则01 此时有 W==+， 其中=。这说明以上方法带有普遍性。 广义积分计算 广义积分是高等数学中较难的概念之一，需要我们掌握其定义和相关性质。在进行广义积分计算时，我们应选取简便且有效的方法。对于广义积分，现有如下定义：设函数在有定义，并且对任意的在区间上可积，当极限存在时，称这极限值为在区间上的广义积分。记作，这时也称积分是收敛的，并且用记号表示它的值。如果上述的极限不存在，称积分是发散的，这时虽用同样的记号，但已经不表示数值了。而含参变量的广义积分，就是形如的积分，称为含参量的广义积分。在数理方程和概率论中经常出现这种形式的积分。对于广义积分的计算，我们有很多方法，比如说换元法，拉普拉斯变换，Fourier积分变换或函数的性质等很多方法，而对于一些特殊类型的广义积分的计算，我们还可以用概率论的有关知识。在概率论中，有一些重要的分布，比如说正态分布，指数分布，分布等等，而关于这些分布的数字特征均是关于概率密度函数的广义积分，例如，概率积分是标准正态概率密度函数的广义积分，是很重要的积分之一，在概念论方面经常遇到，且有广泛应用。下面通过一些实例，对概率论在特殊类型广义积分计算中的应用进行探索，并期望在这一探索中，领会出一些令人耳目一新的方法。 用概率论中的指数分布计算广义积分 定义1 ：密度函数为,分布函数为，这里，是常数，这个分布称为指数分布。 例2 计算 这个例题可以用广义积分的分部积分法直接求解，但要用到两次分部积分法，并要求极限。这里注意到被积函数中含有因式，刚好是参数为的指数分布概率密度函数的一部分，故有， 这里是服从参数为的指数分布的随机变量。由概率论知识可知， ，， 故 利用概率论中的正态分布计算广义积分 利用正态分布的概率密度性质计算广义积分 定义2 ： 设为连续型随机变量，若的概率密度函数为，，其中，为已知参数，则称服从正态分布，记作~ 概率密度具有规范性，即 ① 利用此式可以简单计算类型广义积（其中为常数，）。 例3 计算广义积分⑴ ；⑵ 解：⑴令 则 ⑵ 此例中，⑴看作随机变量~；⑵看作随机变量~。通常微积分方法求解本例题比较困难，把被积函数看作或变换成某个正态分布的概率密度，再利用①式计算积分，则较为简单。 利用正态分布的期望定义计算广义积分 定义3 ：设连续型随机变量的概率密度为，若绝对收敛，则称此积分为的期望，记作。 对于正态分布~可以证明，即有： ② 利用②式可以较为方便地计算型广义积分 例4 计算广义积分 解：原式 本例中可看作随机变量，~这类广义积分一般用换元法比较麻烦，而把被积函数看作或变换成某随机变量正态分布的期望表达式，则很容易求解。 利用正态分布的方差定义计算广义积分 定义4 设连续型随机变量的期望为，概率密度函数为，若存在，则称 为的方差，记作。 若~，则可证明，即有： 由方差的定义可以推算出其计算公式，即有 ，于是对于正态分布有：