Constante de normalização
A constante de normalização é um conceito que surge em teoria das probabilidades e em outras áreas da matemática. A constante de normalização é usada para reduzir qualquer função de probabilidade a uma função densidade de probabilidade com probabilidade total igual a 1.
Em teoria das probabilidades, uma constante de normalização é uma constante pela qual uma função não negativa em todo lugar deve ser multiplicada de modo que a área sob sua gráfico seja igual a 1, por exemplo, para tornar a função uma função densidade de probabilidade ou uma função massa de probabilidade. Por exemplo, se definirmos p ( x ) = e − x 2 / 2 , x ∈ ( − ∞ , ∞ ) , {\displaystyle p(x)=e^{-x^{2}/2},x\in (-\infty ,\infty ),} ∫ − ∞ ∞ p ( x ) d x = ∫ − ∞ ∞ e − x 2 / 2 d x = 2 π {\displaystyle \int _{-\infty }^{\infty }p(x)dx=\int _{-\infty }^{\infty }e^{-x^{2}/2}dx={\sqrt {2\pi }}} e, se definirmos uma função φ ( x ) {\displaystyle \varphi (x)} como φ ( x ) = 1 2 π p ( x ) = 1 2 π e − x 2 / 2 , {\displaystyle \varphi (x)={\frac {1}{\sqrt {2\pi }}}p(x)={\frac {1}{\sqrt {2\pi }}}e^{-x^{2}/2},} ∫ − ∞ ∞ φ ( x ) d x = ∫ − ∞ ∞ 1 2 π e − x 2 / 2 d x = 1 , {\displaystyle \int _{-\infty }^{\infty }\varphi (x)dx=\int _{-\infty }^{\infty }{\frac {1}{\sqrt {2\pi }}}e^{-x^{2}/2}dx=1,}
O teorema de Bayes diz que a medida de probabilidade a posteriori é proporcional ao produto da medida de probabilidade a priori pela função de verossimilhança. "Proporcional ao" implica que se deve multiplicar ou dividir por uma constante de normalização para atribuir medida 1 ao espaço inteiro, isto é, para obter uma medida de probabilidade. No caso discreto simples, temos P ( H 0 | D ) = P ( D | H 0 ) P ( H 0 ) P ( D ) , {\displaystyle P(H_{0}|D)={\frac {P(D|H_{0})P(H_{0})}{P(D)}},} em que P ( H 0 ) {\displaystyle P(H_{0})} é a probabilidade a priori de que a hipótese seja verdadeira; P ( D | H 0 ) {\displaystyle P(D|H_{0})} é a probabilidade condicional dos dados, sendo a hipótese verdadeira, mas já que os dados são conhecidos, é a verossimilhança da hipótese (ou seus parâmetros), levando em conta os dados; P ( H 0 | D ) {\displaystyle P(H_{0}|D)} é a probabilidade a posterior de que hipótese seja verdadeira, levando em conta os dados; P ( D ) {\displaystyle P(D)} deve ser a probabilidade de produzir os dados, sendo por si só difícil de calcular, mas havendo uma forma alternativa de descrever esta relação em termos de proporcionalidade
Os polinômios de Legendre são caracterizados pela ortogonalidade com respeito à medida uniforme no intervalo [ − 1 , 1 ] {\displaystyle [-1,1]} e pelo fato de que são normalizados, de modo que seu valor em 1 seja 1. A constante pela qual se multiplica um polinômio de modo que seu valor em 1 seja 1 é uma constante de normalização. Funções ortonormais são normalizadas, de modo que ⟨ f i , f j ⟩ = δ i , j {\displaystyle \langle f_{i},f_{j}\rangle =\delta _{i,j}} com respeito a algum produto interior < f , g > {\displaystyle <f,g>} . A constante 1 / 2 {\displaystyle 1/{\sqrt {2}}} é usada para estabelecer as funções hiperbólicas cos h {\displaystyle \cos h} e o sen h {\displaystyle \operatorname {sen} h} a partir dos comprimentos dos lados adjacentes e opostos de um triângulo hiperbólico.


