資訊 · 11 月. 7, 2022/星期一

常用函數的曲線圖及應用簡說

一些常用函數的曲線圖及應用簡說

標簽: 數學函數 冪函數 指數函數 對數 三角函數分類: 公度世界

0:關於基本數學應用的問題:

    我的一些市場分析博文中,用了一些很淺顯的數學知識,但仍有博友覺得不大好理解。我采集了一些常用的基本函數的曲線和簡單說明,以備速查。

1:正弦余弦曲線:更一般應用的正弦曲線公式為:http://upload.wikimedia.org/math/0/4/d/04d7b8cb6ea3d7092770e502eb877f33.png

A 為波幅(縱軸), ω 為(相位矢量)角頻率=2PI/T,T為周期, t 為時間(橫軸), θ 為相位(橫軸左右)。

周期函數:正余弦函數可用來表達周期函數。

   例如,正弦和余弦函數被用來描述簡諧運動,還可描述很多自然現象,比如附著在彈簧上的物體的振動,掛在繩子上物體的小角度擺動。正弦和余弦函數是圓周運動一維投影。

   三角函數在一般周期函數的研究中極為有用。這些函數有作為圖像的特征波模式,在描述循環現象比如聲波或光波的時候很有用。每一個信號都可以記為不同頻率的正弦和。http://upload.wikimedia.org/wikipedia/commons/thumb/0/0a/Synthesis_square.gif/340px-Synthesis_square.gifhttp://bits.wikimedia.org/static-1.21wmf2/skins/common/images/magnify-clip.png諧波數目遞增的方波的加法合成的動畫。

余弦函數的(通常是無限的)和;這是傅立葉分析的基礎想法。例如,方波可以寫為傅立葉級數:http://upload.wikimedia.org/math/c/c/b/ccb3fbbad43a32a3454d8e17beb0b29e.png

在動畫中,可以看到只用少數的項就已經形成了非常準確的估計。

如果明白了上書基本原理,也就不難理解我所用的浮動頻率合成曲線的道理。

2:指數函數:形如 y=kax 的函數,k為常系數,這里的 a 叫做“底數”,是不等於 1 的任何正實數。指數函數按恒定速率翻倍,可以用來表達形象與刻畫發展型的體系,比如金價2001年以來的牛市軌跡基本就是指數方程曲線。

特例:應用到值 x 上的這個函數可寫為 exp(x)。還可以等價的寫為 ex,這里的 e 是數學常數,就是自然對數的底數,近似等於 2.718281828,還叫做歐拉數。

即函數:http://upload.wikimedia.org/math/7/d/b/7dbebe48d212459126c9b1217fa3379c.png

定義於所有的 a > 0,和所有的實數 x。它叫做底數為 a 的指數函數。注意這個 http://upload.wikimedia.org/math/3/7/8/378ef468365a2fd4ae953f909ad2dee0.png 的定義依賴於先前確立的定義於所有實數上的函數 http://upload.wikimedia.org/math/5/c/f/5cffa5d7a0c145a80dee9dc2295d5cdf.png 的存在。注意上述等式對於 a = e 成立,因為http://upload.wikimedia.org/math/2/f/7/2f72b641f0b37e582d2a5e2cb5705410.png

指數函數可“在加法和乘法之間轉換”,在下列“指數定律”的前三個和第五個中表述:http://upload.wikimedia.org/math/1/e/2/1e2777f01991719b5668f80f00722757.pnghttp://upload.wikimedia.org/math/d/1/e/d1e1fdc7e280c8ca34df009c77eae36a.pnghttp://upload.wikimedia.org/math/a/4/1/a4191844b880b634839ffc3327a63f88.pnghttp://upload.wikimedia.org/math/5/b/2/5b255e421d8eca30574b71afdfd05c8a.pnghttp://upload.wikimedia.org/math/e/5/a/e5a702e6ca7ab15d11f44cd481260300.pnghttp://upload.wikimedia.org/math/7/9/2/792be9fa181496f1a6aa7506c61f6c56.png

它們對所有正實數 a 與 b 和所有實數 x 與 y 都是有效的。

3:冪函數:是形如f(x)=xa的函數,a可以是自然數,有理數,也可以是任意實數或覆數。

http://upload.wikimedia.org/wikipedia/commons/thumb/c/c7/Power_function.gif/800px-Power_function.gif

下圖是冪函數; 自上至下: x1/8x1/4x1/2x1x2x4x8

http://upload.wikimedia.org/wikipedia/commons/thumb/4/4d/Root_graphs.svg/800px-Root_graphs.svg.png

 注意到上圖中a值有分數的情形,這個就是分形數學的源頭。分數維意味著兩個量x,y之間存在著冪函數關系,即y=axb 。而這里的b可以不是正整數。

語言學中Zipf定律與經濟學中的Pareto定律都是簡單的冪函數,也稱之為冪律分布;還有其它形式的冪律分布,像名次——規模分布、規模——概率分布,這四種形式在數學上是等價的,冪律分布的示意圖如圖1右圖所示,其通式可寫成y=c*x^(-r),其中x,y是正的隨機變量,c,r均為大於零的常數。這種分布的共性是絕大多數事件的規模很小,而只有少數事件的規模相當大。對上式兩邊取對數,可知lny與lnx滿足線性關系,也即在雙對數坐標下,冪律分布表現為一條斜率為冪指數的負數的直線,這一線性關系是判斷給定的實例中隨機變量是否滿足冪律的依據。

冪率的另一層重要意義:理解冪律分布就是所謂的馬太效應,二八原則,即少數人聚集了大量的財富,而大多數人的財富數量都很小。

4:對數函數曲線:群論對於對數的視角,是俺常用的:即從純數學的觀點來看,恒等式http://upload.wikimedia.org/math/7/c/5/7c55baf936fb730ec5c693d25eaab6b9.png

在兩種意義上是基本的。首先,其他算術性質可以從它得出。進一步的,它表達了在正實數的乘法群和所有實數的加法群之間的同構。對數函數是從正實數的乘法群到實數的加法群的唯一連續同構。

5:均勻分布:

先看一下離散型均勻分布,在概率論中,離散型均勻分布是一個離散型概率,其中有限個數值擁有相同的概率。設隨機變量X取n個不同的值,其概率分布為:

P{X=xi}=1/n, i=1,2…n;  則稱X服從n個點{x1,x2,…xn}上的均勻分布。

http://upload.wikimedia.org/wikipedia/commons/thumb/6/6f/DUniform_distribution_PDF.png/800px-DUniform_distribution_PDF.png

這個東西表面看起來抽象,其實只需要記住一個例子就很好理解,賭博用的有6個面的骰子,6個面出現的幾率是相等的,即為均勻分布。

連續型均勻分布,如果連續型隨機變量http://upload.wikimedia.org/math/2/c/3/2c3d331bc98b44e71cb2aae9edadca7e.png上的均勻分布(uniform distribution),記作http://upload.wikimedia.org/math/1/2/c/12cc87a67ce350e5ec7bef503d6b7950.png

概率密度函數:http://upload.wikimedia.org/math/f/5/0/f506b65b9633c29bb8f7960409ecda39.png

http://upload.wikimedia.org/wikipedia/commons/thumb/9/9c/Uniform_distribution_PDF.png/800px-Uniform_distribution_PDF.png

期望值(即均值):http://upload.wikimedia.org/math/5/e/9/5e9fe55d33810582232765e5778120de.png

均勻分布具有下屬意義的等可能性。若http://upload.wikimedia.org/math/1/2/c/12cc87a67ce350e5ec7bef503d6b7950.png,則X落在[a,b]內任一子區間[c,d]上的概率:http://upload.wikimedia.org/math/a/a/4/aa41bda313bcb09fcd6e1b3e3f34d39a.png

只與區間[c,d]的長度有關,而與他的位置無關。

均勻分布可以代表信息極度貧乏的體系或無序狀態的體系。而如果一個系統不屬於均勻分布或隨機遊走,即均勻分布或隨機遊走的否定,就等於肯定了該系統具有信息,或者說具有某種程度的有序性。這個就是均勻分布的實際應用價值之一。分享:

 (2012-11-04 12:57:00)

https://blog.sina.com.cn/s/blog_55954cfb0102e5x6.html