You need to enable JavaScript to run this app.
优惠活动
大模型
产品
解决方案
定价
更多

含随机变量的余弦项级数N→∞时的形态特性咨询

关于随机函数$f_N(\vec{x})$在$N \to \infty$时的形态分析

嗨,完全不用纠结表述的问题哈,这个随机场的收敛性是随机过程里挺经典的场景,我尽量用直白的话给你拆解清楚:

1. 单个固定点$\vec{x}$的行为:趋向正态分布

对于任意选好的$\vec{x}$,当$N$趋向无穷时,$f_N(\vec{x})$会依分布收敛到均值为0、方差为$\frac{1}{2}$的正态随机变量:

  • 核心原因是中心极限定理:每一项$\cos(2\pi \vec{k}_n\cdot \vec{x} + \varphi_n)$都是独立同分布的随机变量。因为$\varphi_n$在$[0,2\pi]$均匀分布,不管$2\pi \vec{k}_n\cdot \vec{x}$是什么固定值,$\cos(\theta + \varphi_n)$的期望都是0(对$\varphi$积分一圈,余弦的正负部分完全抵消),方差是$\frac{1}{2}$(平方后的余弦积分平均结果为$\frac{1}{2}$)。
  • 哪怕$\vec{k}_n$在球面均匀分布,对单个$\vec{x}$来说,也不会改变每个余弦项的期望和方差——毕竟$\varphi_n$的均匀性已经把相位的随机性拉满了。
  • 用$\frac{1}{\sqrt{N}}$归一化后,根据中心极限定理,这些项的和就会趋向正态分布,均值为0,方差为$\frac{1}{2}$。

2. 整个空间的全局行为:变成平稳高斯随机场

当$N$足够大时,整个$f_N(\vec{x})$会演化成一个平稳的高斯随机场:

  • 这个场的统计性质是确定的:任意两个点$\vec{x}_1$和$\vec{x}_2$的协方差(衡量它们取值的相关性)可以计算得出:
    先展开乘积项$\cos(A)\cos(B)$,对$\varphi_n$积分后得到$\frac{1}{2}\mathbb{E}[\cos(2\pi \vec{k}_n\cdot (\vec{x}_1 - \vec{x}_2))]$,再对$\vec{k}_n$在2维球面均匀积分,结果是$\frac{1}{2} \cdot \frac{\sin(2\pi |\vec{x}_1 - \vec{x}_2|)}{2\pi |\vec{x}_1 - \vec{x}_2|}$(也就是缩放后的sinc函数)。
  • 直白点说,这个场看起来就是处处随机的噪声,但相邻点的取值会有微弱关联——距离越近,相关性越强;距离越远,相关性越弱,最终趋近于0。

3. 关键提醒:为什么不会收敛到确定函数?

如果我们用$\frac{1}{N}$归一化,那根据大数定律,$f_N(\vec{x})$会几乎肯定收敛到0。但这里用的是$\frac{1}{\sqrt{N}}$,刚好让波动的幅度稳定下来,不会消失——所以整个场始终是随机的,但统计规律是固定的。

内容的提问来源于stack exchange,提问作者Banana

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.05.19 04:31:32