神经网络|(十七)概率论基础知识-伽马函数·中

【1】引言

前序学习进程中，已经初步了解了伽马函数，认识到$n$的阶乘计算可以转化为：
$$\begin{gathered} n!=n!\cdot li{m}_{k\to +\infty }\frac{k^n\cdot k!}{(n+k)!}= \\ li{m}_{k\to +\infty }\frac{k^n\cdot k!\cdot n!}{(n+k)!}= \\ li{m}_{k\to +\infty }\frac{k^n\cdot k!}{(n+1)(n+2)...(n+k)} \end{gathered}$$
如果把整数$n$替换成任意实数$x$，就会有：
$$x!=li{m}_{k\to +\infty }\frac{k^x\cdot k!}{(x+1)(x+2)...(x+k)}$$
此时，只要$x$不是负整数，因为负整数会导致分母为0，上述计算式就能执行，此时阶乘形式的伽马函数被扩展到除负整数以外的所有实数。
但大家熟悉的伽马函数其实是一个指数积分形式，因此还需继续探究。

【2】证明积分式和阶乘式相等

证明$${\int }_0^1(-lnt{)}^{s}dt=s!$$

【2.1】积分变换

首先令$u=-lnt$，有：$$\begin{gathered} du=-\frac{1}{t}dt \\ dt=-tdu \\ t=e^{-u} \end{gathered}$$
此时被积函数变换为：
$$(-lnt{)}^s=u^s$$
当$t\to 0^{+}$时，$u=-lnt=+\infty$
当$t\to 1$时，$u=-lnt=0$
将上述变换代入积分式：
$$\begin{gathered} {\int }_0^1(-lnt{)}^{s}dt={\int }_{+\infty }^0{u}^s(-t)du= \\ {\int }_{+\infty }^0{u}^s(-e^u)du={\int }_0^{+\infty }{u}^s{e}^{-u}du \end{gathered}$$

【2.2】分部积分-s为正整数

当$s$为正整数$n$时，积分先写作：

$${\int }_0^1(-lnt{)}^{s}dt={\int }_0^{+\infty }{u}^n{e}^{-u}du$$
令$v=u^n,dw=e^{-u}du$，有：
$dv=n{u}^{n-1}du,w=-e^{-u}$
此时积分式转化为：
$$\begin{gathered} {\int }_0^1(-lnt{)}^{s}dt={\int }_0^{+\infty }{u}^n{e}^{-u}du= \\ {\int }_0^{+\infty }vdw=vw{|}_0^{+\infty }-{\int }_0^{+\infty }wdv= \\ (u^n(-e^{-u})){|}_0^{+\infty }+{\int }_0^{+\infty }n{u}^{n-1}{e}^{-u}du= \\ 0+{\int }_0^{+\infty }n{u}^{n-1}{e}^{-u}du=n{\int }_0^{+\infty }{u}^{n-1}{e}^{-u}du \end{gathered}$$
这时候先暂停一下，根据前述推导有：
$${\int }_0^{+\infty }{u}^n{e}^{-u}du=n{\int }_0^{+\infty }{u}^{n-1}{e}^{-u}du$$按照这个形式，会有：
$$\begin{gathered} {\int }_0^{+\infty }{u}^n{e}^{-u}du=n{\int }_0^{+\infty }{u}^{n-1}{e}^{-u}du= \\ n(n-1){\int }_0^{+\infty }{u}^{n-2}{e}^{-u}du=...= \\ n(n-1)...2{\int }_0^{+\infty }{u}^1{e}^{-u}du= \\ n(n-1)...2\cdot 1{\int }_0^{+\infty }{u}^0{e}^{-u}du=n! \end{gathered}$$至此可知，当$s$为正整数$n$时，
$${\int }_0^1(-lnt{)}^{s}dt=s!$$

【3】总结

当$s$为正整数$n$时，
$${\int }_0^1(-lnt{)}^{s}dt=s!$$，积分式和阶乘式相等。