联合高斯分布(Joint Gaussian)的推导

x ∼ N ( 0 , σ 2 ) , y ∣ x ∼ N ( x , c 2 ) x \sim \mathcal{N}(0, \sigma^2), y|x \sim \mathcal{N}(x, c^2) xN(0,σ2),yxN(x,c2)

f ( y ) = ∫ x f ( y ∣ x ) f ( x ) d x = ∫ x 1 2 π c e − ( y − x ) 2 2 c 2 1 2 π σ e − x 2 2 σ 2 d x = 1 2 π c e − y 2 2 c 2 ∫ x 1 2 π σ e − ( σ 2 + c 2 ) x 2 2 σ 2 c 2 + y x c 2 d x = 1 2 π c e − y 2 2 c 2 ∫ x 1 2 π σ e − x 2 − 2 σ 2 y σ 2 + c 2 x + ( σ 2 y σ 2 + c 2 ) 2 2 σ 2 c 2 σ 2 + c 2 + σ 2 y 2 2 c 2 ( σ 2 + c 2 ) d x = 1 2 π σ 2 + c 2 e − y 2 2 c 2 + σ 2 y 2 2 c 2 ( σ 2 + c 2 ) ∫ x 1 2 π σ c σ 2 + c 2 e − ( x − σ 2 y σ 2 + c 2

  • 3
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值