概率论之——高斯分布的乘积

一、前言

本来我并不想开机器学习这个专栏，因为机器学习与高数线代矩阵论概率论密切相关，我的数学能力没达到这种高度。然而控制理论也会涉及各种数理统计知识，那就不得不开一个数理栏了。

这个栏没有具体的知识路线，写到哪算哪，数学和机器学习相关且不好分类的东西都会往这边放。

二、高斯分布（正态分布）

假设随机变量$x_1$服从均值和方差为${\mu }_1,{\sigma }_1^2$的高斯分布，可记作$x_1\sim N({\mu }_1,{\sigma }_1)$，其概率密度函数为：
$$p(x_1)=\frac{1}{\sqrt{2\pi }{\sigma }_1}\exp [-\frac{(x-{\mu }_1{)}^2}{2{\sigma }_1^2}]$$

标准高斯分布

如果随机变量$x\sim N(0,1)$，则称$x$服从标准高斯（正态）分布：
$$p(x)=\frac{1}{\sqrt{2\pi }}\exp (-\frac{x^2}{2})$$

高斯分布的基本性质

假设 x ∼ N ( μ , σ 2 ) x\sim N(\mu, \sigma^2) x∼N(μ,σ