机器学习|n元正态分布概率密度及性质|10mins入门|概统学习笔记（十一）

n元正态分布概率密度

• 定义

设$X^{\prime }=(X_1,X_2,...,X_n)$是一个n维随机向量，若它的概率密度为
f ( x 1 , x 2 , . . . , x n ) = 1 ( 2 π ) n / 2 ∣ C ∣ 1 / 2 e x p { − 1 2 ( X − μ ) ’ C − 1 ( X − μ ) } f(x_1,x_2,...,x_n)=\frac{1}{(2\pi)^{n/2}|C|^{1/2}}exp\{-\frac{1}{2}(X-\mu)’C^{-1}(X-\mu)\} f(x1​,x2​,...,xn​)=(2π)n/2∣C∣1/21​exp{−21​(X−μ)’C−1(X−μ)}
则称X服从n元正态分布，X和$\mu$是n维列向量，$X^{\prime }$表示X的转置。

其中C是$(X_1,X_2,...,X_n)$的协方差矩阵,$|C|$是它的行列式，$C^{-1}$表示C的逆矩阵。

• 性质：

1. 若$X=(X_1,X_2,...,X_n)$服从n元正态分布，则对一切不全为0的实数$a_1，a_2,...,a_n$,$a_1{X}_1+a_2{X}_2+...+a_n{X}_n$均服从正态分布。

2. 若$X=(X_1,X_2,...,X_n)$服从n元正态分布，$Y_1,Y_2,...,Y_k$是$X_j(j=1,2,...,n)$的线性函数，则$(Y_1,Y_2,...,Y_k)$也服从多元正态分布

   这一性质称为正态变量的线性变换不变性

3. 若$X=(X_1,X_2,...,X_n)$服从n元正态分布，则”$X_1,X_2,...,X_n$相互独立“等价于"$”X_1,X_2,...,X_n$“两两不相关