332
个编辑
更改
跳到导航
跳到搜索
第672行：
第672行： − + 第680行：
第680行： − +
→一维函数映射
</math>
</math>
这里，[math]x_0[/math]是x定义域上的任意一点。
这里，[math]x_0\in[-\frac{L}{2},\frac{L}{2}][/math]是x定义域上的任意一点。
因此，p(y)可以被近似计算：
因此，p(y)可以被近似计算：
</math>
</math>
值得注意的是，在这一步中，我们不仅将f(x)近似为一个线性函数，同时还引出了一个假设，即p(y)的结果与y无关，而成为了[math]x_0[/math]的函数
值得注意的是，在这一步中，我们不仅将f(x)近似为一个线性函数，同时还引入了一个假设，即p(y)的结果与y无关，而与[math]x_0[/math]，以及[math]x_0[/math]处f的导数有关。这一点怎么理解呢？我们知道y的数值是由x经过映射f(x)而决定的，因此y的分布，取决于x的分布以及映射f(x)。现在，我们将f(x)映射展开成任意一点x<sub>0</sub>处的一阶近似，而x又在p(y)的计算中被积分掉了，因此p(y)就仅仅取决于x<sub>0</sub>。
这样，{{EquationNote|4}}中的第二项近似为：
这样，{{EquationNote|4}}中的第二项近似为：