我有一个函数，一个高斯函数，我已经将它与数据文件中的数据相匹配。我现在需要集成高斯函数来给出它下面的区域。
这是我的高斯函数
def I(theta,max_x,max_y,sigma):
return (max_y/(sigma*(math.sqrt(2*pi))))*np.exp(-((theta-max_x)**2)/(2*sigma**2))
与一般公式比较
N（x | mu，sigma，n）：=（n /（sigma * sqrt（2 * pi）））* exp（（ - （x-mu）^ 2）/（2 * sigma ^ 2） ）
，即n = max_y，MU = max_x，x = theta
这是另一页上的内容：
如果Phi（z）=积分（N（x | 0,1,1）， - inf，z）;也就是说，Phi（z）是从＆gt;负无穷大到z的标准正态分布的积分，那么通过误差函数的定义它是真的 Phi（z）= 0.5 + 0.5 * erf（z / sqrt（2））。
同样，如果Phi（z | mu，sigma，n）=积分（N（x | sigma，mu，n）， -inf，z）;也就是说，Phi（z | mu，sigma，n）是正负分布的积分，给定参数mu，sigma和n从负无穷大起 对于z，那么错误函数的定义
就是这样Phi（z | mu，sigma，n）=（n / 2）*（1 + erf（（x-mu）/（sigma *） SQRT（2））））。
我不确定这有什么帮助？我只想将我的函数整合到曲线下的绘制值上。是说这是不可或缺的：
Phi(z | mu, sigma, n) = (n/2) * (1 + erf((x - mu) / (sigma * sqrt(2))))
答案 0 :(得分：0)
你的答案是无限积分。如果您想要两个x限制之间的数字答案，您可以在两个点评估该函数并获取差异。
您的高斯函数是在所有实数（-∞，+∞）上定义的，但实际上，您只对中间部分感兴趣，因为尾部非常接近0。你可以做的总面积的数值估计：在高斯峰的每一边的两个点上评估误差函数，并且取差值。
如果Phi(z | mu, sigma, n)返回您可以执行的功能：
integral = Phi(z | mu, sigma, n)
area = integral(X_HIGH) - integral(X_LOW)