（四）高斯分布(正态分布)

1、一元概率密度

$$f(x|\mu ,\sigma ^2)=\frac{1}{\sigma\sqrt{2\pi }}e^{-\frac{(x-\mu)^2 }{2\sigma ^2}}$$

其中，$x$是随机变量，$\mu$是均值，$\sigma$是标准差，$\sigma^2$是方差。当$\mu=0$，$\sigma=1$时，正态分布就成为标准正态分布。
（1）方差越小，数据越集中，图像越高瘦。
（2）$\mu$表示图像向左右移动。

2、多元概率密度

$$f_X(x_1,...,x_k)=\frac{1}{\sigma\sqrt{(2\pi)^k \left | \Sigma \right |}}exp(-\frac{1}{2}(x-\mu )^T\Sigma^{-1}(x-\mu) )$$
其中，（1） $\Sigma$是协方差矩阵， $\left | \Sigma \right |$代表求行列式运算，最终结果是一个标量数值（2） $\mu$代表均值向量（默认情况是列向量）（3） $\Sigma^{-1}$表示协方差的 逆矩阵：
补充：
（1）一个n阶方阵A称为可逆的，或非奇异的，如果存在一个n阶方阵B，使得AB=BA=E,并称B是A的一个逆矩阵。不可逆的矩阵称为非奇异矩阵。A的逆矩阵记作 $A^{-1}$。
（2）矩阵的描述一般用()或者[ ]

3、中心极限定理

任意的随机独立变量相加(随机变量足够多)，得到高斯分布。