高斯分布的熵

高斯分布的熵很简单:
H [ N ( μ , σ 2 ) ] = − ∫ x 1 2 π σ e − ( x − μ ) 2 2 σ 2 log ⁡ 1 2 π σ e − ( x − μ ) 2 2 σ 2 d x = − ∫ x 1 2 π σ e − ( x − μ ) 2 2 σ 2 [ − 1 2 log ⁡ 2 π σ 2 − ( x − μ ) 2 2 σ 2 ] d x = 1 2 log ⁡ 2 π σ 2 + 1 2 σ 2 ∫ x ( x − μ ) 2 1 2 π σ e − ( x − μ ) 2 2 σ 2 d x = 1 2 log ⁡ 2 π σ 2 + σ 2 2 σ 2 = 1 2 log ⁡ 2 π e σ 2 \begin{aligned} H[\mathcal{N}(\mu, \sigma^2)] &= -\int_x \frac{1}{\sqrt{2\pi}\sigma} e^{-\frac{(x-\mu)^2}{2\sigma^2}} \log \frac{1}{\sqrt{2\pi}\sigma} e^{-\frac{(x-\mu)^2}{2\sigma^2}} dx \\ &= -\int_x \frac{1}{\sqrt{2\pi}\sigma} e^{-\frac{(x-\mu)^2}{2\sigma^2}} \Bigg[ -\frac{1}{2}\log 2\pi \sigma^2 - \frac{(x-\mu)^2}{2\sigma^2} \Bigg] dx \\ &= \frac{1}{2}\log 2\pi \sigma^2 + \frac{1}{2\sigma^2} \int_x (x-\mu)^2\frac{1}{\sqrt{2\pi}\sigma} e^{-\frac{(x-\mu)^2}{2\sigma^2}} dx \\ &= \frac{1}{2}\log 2\pi \sigma^2 + \frac{\sigma^2}{2\sigma^2} \\ &= \frac{1}{2}\log 2\pi e \sigma^2 \end{aligned} H[N(μ,σ2)]=x2π σ1e2σ2(xμ)2log2π σ1e2σ2(xμ)2dx=x2π σ1e2σ2(xμ)2[21log2πσ22σ2(xμ)2

评论 3
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