[ProbR] 高斯分布 Gaussian Distribution


一、高斯分布

在这里插入图片描述

p ( x ) = N ( x ; μ , Σ ) = 1 ( 2 π ) n / 2 d e t Σ e x p ( − 1 2 ( x − μ ) T Σ − 1 ( x − μ ) ) p(x) = N(x; \mu, \Sigma) = \frac{1}{(2\pi)^{n/2}\sqrt{det\Sigma}}exp(-\frac{1}{2}(x-\mu)^{T}\Sigma^{-1}(x-\mu)) p(x)=N(x;μ,Σ)=(2π)n/2detΣ 1exp(21(xμ)TΣ1(xμ))

  • μ \mu μ 是均值

  • Σ \Sigma Σ 是协方差

二、求高斯分布参数

μ 和 Σ \mu 和\Sigma μΣ可以通过大量数据计算出来

1. 离散数据

对离散数据来说,公式为:

μ = 1 N ∑ x i \mu = \frac{1}{N}\sum x^{i} μ=N1xi

Σ = 1 N ∑ ( x i − μ ) ( x i − μ ) T \Sigma = \frac{1}{N}\sum (x^{i}-\mu)(x^{i}-\mu)^{T} Σ=N1(xiμ)(xiμ)T

2. 连续数据

对连续数据来说,公式为:
在这里插入图片描述

三、规范参数化

μ , Σ \mu, \Sigma μ,Σ 规范化为 v , Ω v, \Omega v,Ω
在这里插入图片描述

四、高斯分布的联合分布

当有两个相互独立的高斯分布时,他们的联合分布参数如下:

在这里插入图片描述

五、仿射变换

x a ∼ N ( X a ; μ a , Σ a ) x_{a} \sim N(X_{a}; \mu_{a}, \Sigma_{a}) xaN(Xa;μa,Σa)

使
x b = f ( x a ) = A x a + c x_{b} = f(x_{a}) = Ax_{a} + c xb=f(xa)=Axa+c

对于 x b x_{b} xb,其高斯分布为:

x b = N ( X b ; μ b , Σ b ) x_{b} = N(X_{b}; \mu_{b}, \Sigma_{b}) xb=N(Xb;μb,Σb)

则 其参数 μ b , Σ b \mu_{b}, \Sigma_{b} μb,Σb 为:

在这里插入图片描述

六、条件高斯分布

高斯分布 x ∼ N ( x ; μ , Σ ) x\sim N(x; \mu, \Sigma) xN(x;μ,Σ) 有高斯随机变量 x T = ( x a T , x b T ) x^{T} = (x_{a}^{T}, x_{b}^{T}) xT=(xaT,xbT)

有条件:
在这里插入图片描述
则其高斯分布的参数如下:
在这里插入图片描述
在这里插入图片描述

七、高斯分布的链式法则

已知

在这里插入图片描述
则下列高斯分布的参数为:
在这里插入图片描述
在这里插入图片描述

  • 2
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 3
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

打赏作者

是土豆大叔啊!

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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