1 -单变量高斯分布
单变量高斯分布概率密度函数定义为:
p(x)=12πσ−−−√exp{
−12(x−μσ)2}(1.1)
式中 μ 为随机变量 x 的期望,
μ=E(x)=∫∞−∞xp(x)dx(1.2)
σ2=∫∞−∞(x−μ)2p(x)dx(1.3)
可以看出,该概率分布函数,由期望和方差就能完全确定。高斯分布的样本主要都集中在均值附近,且分散程度可以通过标准差来表示,其越大,分散程度也越大,且约有95%的样本落在区间 (μ−2σ,μ+2σ)
2 - 多元高斯分布
多元高斯分布的概率密度函数。多元高斯分布的概率密度函数定义:
p(x)=1(2π)d2|Σ|12exp{
−12(x−μ)TΣ−1(x−μ)}(2.1)
其中 x=[x1,x2,...,xd]T 是 d 维的列向量;
Σ−1 是 Σ 的逆矩阵;
|Σ| 是 Σ 的行列式;
(x−μ)T 是 (x−μ) 的转置,且
μ=E(x)(2.2)
Σ=E{
(x−μ)(x−μ)T}(2.3)
其中 μ,Σ 分别是向量 x 和矩阵 (x−μ)(x−μ)T 的期望,诺 xi 是 x 的第 i 个分量,
μi=E(xi)=∫∞−∞xip(xi)dxi(2.4)
其中 p(xi) 为边缘分布:
p(xi)=∫∞−∞⋅⋅⋅∫∞−∞p(x)dx1dx2⋅⋅⋅dxd(2.5)
而
σ2ij==E[(xi−μi)(xj−μj)]∫∞−∞∫∞−∞(xi−μi)(xj−μj)p(xi,xj)dxidxj(2.6)
不难证明,协方差矩阵总是对称非负定矩阵,且可表示为:
Σ=⎡⎣⎢⎢⎢⎢σ211σ212⋅⋅⋅σ21dσ212⋅⋅⋅σ21dσ222⋅⋅⋅σ22d⋅⋅⋅σ22d⋅⋅⋅σ2