Функция Гаусса

Функция Гаусса — это математическая функция, описываемая формулой \( f(x) = a e^{-\frac{(x-b)^2}{2c^2}} \), где \( a \), \( b \) и \( c \) — действительные параметры. Она принадлежит к классу экспоненциальных функций и характеризуется колоколообразной формой графика, симметричного относительно точки \( x = b \). Функция Гаусса широко применяется в теории вероятностей, статистике, физике, обработке сигналов, машинном обучении и других областях науки и техники. Её ключевые свойства — быстрое убывание к нулю при удалении от центра \( b \) и нормируемость (при определённом значении \( a \) интеграл от неё по всей числовой прямой равен единице). В русскоязычной литературе функцию также называют гауссианой или колоколообразной функцией.

История

Функция Гаусса названа в честь немецкого математика Карла Фридриха Гаусса (1777–1855), который ввёл её в 1809 году в работе «Теория движения небесных тел» (Theoria motus corporum coelestium) при разработке метода наименьших квадратов. Гаусс использовал эту функцию для описания распределения ошибок измерений, что стало основой нормального распределения в статистике. Однако первые упоминания колоколообразной кривой встречаются ещё у французского математика Абрахама де Муавра (1733 год), который применял её для аппроксимации биномиального распределения. Впоследствии функция Гаусса получила развитие в работах Пьера-Симона Лапласа и других учёных, а в XX веке стала фундаментальным инструментом в квантовой механике, оптике и цифровой обработке сигналов.

Определение и математическая форма

Функция Гаусса в общем виде записывается как:

\[ f(x) = a \exp\left(-\frac{(x-b)^2}{2c^2}\right) \]

где:

• \( a \) — амплитуда (максимальное значение функции при \( x = b \)),
• \( b \) — центр (среднее значение, определяющее положение пика на оси \( x \)),
• \( c \) — параметр ширины (стандартное отклонение, влияющее на «размах» колокола).

Часто используется нормированная форма, при которой интеграл от функции по всей числовой прямой равен 1:

\[ f(x) = \frac{1}{\sqrt{2\pi c^2}} \exp\left(-\frac{(x-b)^2}{2c^2}\right) \]

В этом случае \( a = \frac{1}{\sqrt{2\pi c^2}} \), и функция совпадает с плотностью нормального распределения с математическим ожиданием \( b \) и дисперсией \( c^2 \).

Свойства

• Симметрия: график симметричен относительно вертикальной прямой \( x = b \).
• Максимум: функция достигает максимума \( a \) в точке \( x = b \).
• Убывание: убывает экспоненциально при удалении от центра; скорость убывания определяется параметром \( c \): чем меньше \( c \), тем уже и выше колокол.
• Точки перегиба: находятся на расстоянии \( \pm c \) от центра, где вторая производная меняет знак.
• Интеграл: при \( a = \frac{1}{\sqrt{2\pi c^2}} \) интеграл по всей прямой равен 1; в общем случае — \( a c \sqrt{2\pi} \).
• Преобразование Фурье: функция Гаусса является собственной функцией преобразования Фурье — её спектр также имеет гауссову форму. Это свойство делает её ключевой в теории сигналов.

Виды и модификации

Двумерная функция Гаусса

В двух измерениях функция Гаусса обобщается как:

\[ f(x, y) = A \exp\left(-\left(\frac{(x-b_x)^2}{2\sigma_x^2} + \frac{(y-b_y)^2}{2\sigma_y^2}\right)\right) \]

Её график представляет собой колоколообразную поверхность. Используется в обработке изображений (например, для размытия по Гауссу) и в теории вероятностей для многомерных нормальных распределений.

Многомерная функция Гаусса

Для \( n \)-мерного пространства функция записывается через ковариационную матрицу \( \Sigma \):

\[ f(\mathbf{x}) = \frac{1}{\sqrt{(2\pi)^n \det \Sigma}} \exp\left(-\frac{1}{2} (\mathbf{x} - \boldsymbol{\mu})^T \Sigma^{-1} (\mathbf{x} - \boldsymbol{\mu})\right) \]

где \( \boldsymbol{\mu} \) — вектор средних. Это основа многомерного нормального распределения.

Дискретная функция Гаусса

В дискретной математике и цифровой обработке сигналов используется дискретный аналог, задаваемый на целочисленной решётке. Применяется для построения гауссовых фильтров и вейвлетов.

Применение

Теория вероятностей и статистика

Функция Гаусса является ядром нормального распределения, одного из важнейших в статистике. Центральная предельная теорема утверждает, что сумма большого числа независимых случайных величин приближается к нормальному распределению, что делает гауссиану универсальной моделью для ошибок измерений, роста популяций и финансовых данных.

Физика

• Квантовая механика: волновая функция основного состояния гармонического осциллятора имеет гауссову форму. Гауссовы волновые пакеты используются для описания локализованных частиц.
• Оптика: распределение интенсивности в лазерном луче (TEM00-мода) описывается гауссианой. Функция Гаусса применяется в теории дифракции и формировании изображений.
• Теплопроводность и диффузия: решения уравнений диффузии часто имеют вид гауссовых функций.

Обработка сигналов и изображений

• Гауссов фильтр: используется для сглаживания изображений и удаления шума. Размытие по Гауссу — стандартный метод в компьютерном зрении.
• Вейвлет-преобразование: гауссовы вейвлеты (например, «мексиканская шляпа») применяются для анализа сигналов.
• Фильтрация в частотной области: благодаря свойству преобразования Фурье, гауссов фильтр не создаёт артефактов (колебаний) в отличие от прямоугольного.

Машинное обучение

• Гауссовы процессы: используются для регрессии и классификации, особенно в задачах с малым объёмом данных.
• Ядерные методы: радиальная базисная функция (RBF) с гауссовым ядром — популярный выбор в методах опорных векторов (SVM).
• Гауссовы смеси: модели, представляющие распределение данных как сумму нескольких гауссиан, применяются в кластеризации (например, алгоритм EM).

Другие области

• Астрономия: гауссовы профили используются для описания формы спектральных линий.
• Химия: гауссовы орбитали применяются в квантово-химических расчётах (метод Хартри — Фока).
• Экономика: нормальное распределение используется в моделях финансовых рисков и ценообразования опционов (модель Блэка — Шоулза).

Примеры

• Нормальное распределение: в статистике функция Гаусса с параметрами \( b = 0 \), \( c = 1 \) и \( a = \frac{1}{\sqrt{2\pi}} \) задаёт стандартное нормальное распределение.
• Гауссов фильтр в обработке изображений: ядро размером 3×3 с весами, пропорциональными \( \exp(-(x^2+y^2)/(2\sigma^2)) \), применяется для размытия.
• Лазерный луч: распределение интенсивности в поперечном сечении одномодового лазера описывается гауссианой с центром на оси луча.

Интересные факты

• Функция Гаусса является единственной функцией (с точностью до масштабирования), которая является собственной функцией преобразования Фурье, то есть её преобразование Фурье имеет ту же форму.
• В теории вероятностей гауссиана часто обозначается как \( \mathcal{N}(\mu, \sigma^2) \), где \( \mu \) — среднее, \( \sigma^2 \) — дисперсия.
• В квантовой механике гауссов волновой пакет минимизирует произведение неопределённостей координаты и импульса (принцип неопределённости Гейзенберга).
• В компьютерной графике гауссово размытие используется для создания эффекта глубины резкости и тумана.

Критика и ограничения

Несмотря на широкую применимость, функция Гаусса имеет ограничения. В реальных данных распределения часто имеют «тяжёлые хвосты» (например, в финансах или физике плазмы), что делает нормальное приближение некорректным. В машинном обучении гауссовы процессы требуют значительных вычислительных ресурсов при больших объёмах данных. В обработке сигналов гауссов фильтр может излишне сглаживать резкие границы, что приводит к потере деталей.

Источники

• Гаусс К. Ф. «Теория движения небесных тел» (1809).
• Феллер В. «Введение в теорию вероятностей и её приложения» (том 1, 1968).
• Бронштейн И. Н., Семендяев К. А. «Справочник по математике для инженеров и учащихся втузов» (1986).
• Корн Г., Корн Т. «Справочник по математике для научных работников и инженеров» (1973).
• Введение в обработку сигналов: Оппенгейм А., Шафер Р. «Цифровая обработка сигналов» (1975).