Soy consciente de que siempre que $f$ es una función suave, las expectativas de la forma $$ \mathbb{E}[f(X)] $$ puede calcularse numéricamente de forma eficiente con la ayuda de la cuadratura de Gauss-Hermite cuando X se distribuye normalmente. Mi pregunta es si existe una extensión de la cuadratura de Gauss-Hermite cuando hay un salto en $f$ así que $$ f(x) = \begin{cases} f_1(x) &\quad \text{if } x<\bar{x},\\ f_2(x) &\quad \text{if } x\geq \bar{x}\\ \end{cases}$$ donde $\bar{x}$ es conocido y $f_1$ y $f_2$ son ambas funciones suaves de $x$ . En otras palabras: partiendo de una regla de cuadratura gaussiana, ¿es posible añadir un nodo en un lugar arbitrario de forma coherente? En caso afirmativo, ¿cómo ajustar los pesos? Por supuesto, podría recurrir a un método tipo Newton-Cotes e incluir un nodo adicional para $\bar{x}$ pero preferiría una forma más eficiente si es que existe.
Nota en caso de que sea importante para la respuesta: En realidad necesitaría aplicar esto en más dimensiones, por lo que me interesa aproximar $$ \mathbb{E}[f(g(X))], $$ donde $g:\mathbb{R^3}\rightarrow \mathbb{R}$ es una función suave, $f:\mathbb{R}\rightarrow \mathbb{R}$ es como el anterior y $X$ es un vector tridimensional de variables aleatorias independientes que siguen distribuciones normales. También hay que tener en cuenta que no puedo esperar una solución analítica, ya que tanto $f_1$ y $f_2$ se interpolan.