เป็นไปได้หรือไม่ที่จะรวม


10

ประการแรกฉันคิดว่ามีการรวมกฎเพื่อบูรณาการเชิงวิเคราะห์เพื่อแก้ปัญหานี้เมื่อเทียบกับการวิเคราะห์เชิงตัวเลข (เช่นสี่เหลี่ยมคางหมูกฎ Gauss-Legendre หรือ Simpson) หรือไม่

ฉันมีฟังก์ชั่นโดยที่ g ( x ; μ , σ ) = 1f(x)=xg(x;μ,σ) เป็นฟังก์ชั่นความหนาแน่นของความน่าจะเป็นของการกระจาย lognormal กับพารามิเตอร์μและσ ด้านล่างนี้ฉันจะย่อเครื่องหมายเป็นg(x)และใช้G(x)สำหรับฟังก์ชันการแจกแจงสะสม

g(x;μ,σ)=1σx2πe12σ2(log(x)μ)2
μσg(x)G(x)

ฉันต้องการคำนวณอินทิกรัล

abf(x)dx.

ขณะนี้ฉันกำลังทำสิ่งนี้ด้วยการรวมตัวเลขโดยใช้วิธี Gauss-Legendre เนื่องจากฉันต้องเรียกใช้งานเป็นจำนวนมากประสิทธิภาพจึงเป็นสิ่งสำคัญ ก่อนที่ฉันจะพิจารณาการเพิ่มประสิทธิภาพการวิเคราะห์เชิงตัวเลข / ส่วนอื่น ๆ ฉันต้องการทราบว่ามีกฎการรวมเพื่อแก้ไขปัญหานี้หรือไม่

ฉันพยายามใช้กฎการรวมเป็นส่วน ๆ และฉันได้สิ่งนี้ซึ่งฉันติดอยู่อีกครั้ง

  1. Uudv=uvvdu

  2. u=xdu=dx

  3. dv=g(x)dxv=G(x)

  4. uvvdx=xG(x)G(x)dx

G(x)dx

นี่สำหรับแพ็คเกจซอฟต์แวร์ที่ฉันสร้าง


lognormal

1
นี่เป็นสิ่งที่สามารถแสดงให้เห็นได้ว่าค่าคงที่คูณสองของ cdf ปกติ cdf ปกตินั้นคำนวณได้อย่างมีประสิทธิภาพโดยใช้การประมาณด้วยเหตุผลของ W. Cody Chebyshev คุณไม่ควรต้องและเกือบจะไม่ต้องสงสัยไม่ควรต้องการทางเลือกที่ตัวเลขการรวมนี้ หากคุณต้องการรายละเอียดเพิ่มเติมฉันสามารถโพสต์ได้
พระคาร์ดินัล

@mpiktas, ใช่, lognormal เป็นฟังก์ชันความหนาแน่นของความน่าจะเป็นและ LognormalCDF เป็นฟังก์ชันความหนาแน่นสะสม
Rosh

3
xlog(x)x=exp(y)y

1
eμ+12σ2(Φ(β)Φ(α))β=(log(b)(μ+σ2))/σα=(log(a)(μ+σ2))/σΦ()abμσ

คำตอบ:


15

คำตอบสั้น ๆ : ไม่เป็นไปไม่ได้อย่างน้อยก็ในแง่ของฟังก์ชั่นพื้นฐาน อย่างไรก็ตามมีอัลกอริธึมเชิงตัวเลขที่ดีมาก (และเร็วพอสมควร!) ในการคำนวณปริมาณดังกล่าวและควรใช้เทคนิคการรวมตัวเลขใด ๆ ในกรณีนี้

ปริมาณที่สนใจในแง่ของ cdf ปกติ

Xμσ

abf(x)dx=ab1σ2πe12σ2(log(x)μ)2dx=P(aXb)E(XaXb).

z=(log(x)(μ+σ2))/σx=eμ+σ2eσz

abf(x)dx=eμ+12σ2αβ12πe12z2dz,
α=(log(a)(μ+σ2))/σβ=(log(b)(μ+σ2))/σ

abf(x)dx=eμ+12σ2(Φ(β)Φ(α)),
Φ(x)=x12πez2/2dz

การประมาณเชิงตัวเลข

Φ(x)

ดังนั้นเราจึงเหลือที่จะใช้อัลกอริธึมเชิงตัวเลขเพื่อประมาณปริมาณที่ต้องการ สิ่งนี้สามารถทำได้ภายในจุดลอยตัวที่มีความแม่นยำสองเท่าของ IEEE ผ่านอัลกอริทึมของ WJ Cody's มันเป็นขั้นตอนวิธีการมาตรฐานสำหรับปัญหานี้และใช้การแสดงออกเหตุผลของการสั่งซื้อที่ค่อนข้างต่ำก็มีประสิทธิภาพอีกด้วย

นี่คือข้อมูลอ้างอิงที่กล่าวถึงการประมาณ:

เจดับบลิวโคเหตุผลเซฟประการสำหรับฟังก์ชั่นข้อผิดพลาด , คณิตศาสตร์ คอมพ์ , 1969, pp. 631--637

R

นี่คือคำถามที่เกี่ยวข้องในกรณีที่คุณสนใจ

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.