對隨機變數做線性變換後的期望值和協方差_linear transformation of gaussian random variable-CSDN博客

本文链接：https://blog.csdn.net/keineahnung2345/article/details/122823223

这篇博客讨论了线性变换如何影响随机变量的期望值和协方差。对于矩阵A和向量b作用于随机向量X，期望值遵循线性性质，即E[AX] = AE[X]和E[X+b] = E[X] + b。协方差在经过线性变换后，公式为Cov(AX) = ACov(X)A^T和Cov(X+b) = Cov(X)。这些原理在统计学和概率论中对于理解和处理随机过程至关重要。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

對隨機變數做線性變換後的期望值和協方差

假設 $\textbf{X},b \in \R^n, A \in R^{m \times n}$ ，那麼使用 $A, b$ 對 $\textbf{X}$ 做線性變換後，其期望值如下：

$\operatorname{E}[A\textbf{X}] =A \operatorname{E}[\textbf{X}]$
$\begin{aligned} \operatorname{E}[\textbf{X}+b] = \operatorname{E}[\textbf{X}]+b && \operatorname{E}\text{是線性算子}\end{aligned}$

參考Covariance of a random vector after a linear transformation，對隨機變數做線性變換後，其共變異數如下：

$\begin{aligned}\operatorname{Cov}(A\textbf{X}) &= \operatorname{E}[(A\textbf{X}-\operatorname{E}[A\textbf{X}])(A\textbf{X}-\operatorname{E}[A\textbf{X}])^T] \\&= \operatorname{E}[(A\textbf{X}-A\operatorname{E}[\textbf{X}])(A\textbf{X}-A\operatorname{E}[\textbf{X}])^T] \\&= \operatorname{E}[A(\textbf{X}-\operatorname{E}[\textbf{X}])(\textbf{X}-\operatorname{E}[\textbf{X}])^TA^T] \\&= A\operatorname{E}[(\textbf{X}-\operatorname{E}[\textbf{X}])(\textbf{X}-\operatorname{E}[\textbf{X}])^T]A^T \\ &= A\operatorname{Cov}(\textbf{X})A^T\end{aligned}$

$\begin{aligned}\operatorname{Cov}(\textbf{X}+b) &= \operatorname{E}[((\textbf{X}+b)-\operatorname{E}[\textbf{X}+b])((\textbf{X}+b)-\operatorname{E}[\textbf{X}+b])^T] \\&= \operatorname{E}[((\textbf{X}+b)-(\operatorname{E}[\textbf{X}]+b))((\textbf{X}+b)-(\operatorname{E}[\textbf{X}]+b))^T] \\&= \operatorname{E}[(\textbf{X}-\operatorname{E}[\textbf{X}])(\textbf{X}-\operatorname{E}[\textbf{X}])^T] \\&=\operatorname{Cov}(\textbf{X})\end{aligned}$