假设两个高斯(正态)分布概率模型服从:
p
(
w
)
∼
N
(
μ
0
,
σ
0
2
)
(1-1)
p(w) \sim N(\mu_0, \sigma_0^2)\tag{1-1}
p(w)∼N(μ0,σ02)(1-1)
p
(
v
)
∼
N
(
μ
1
,
σ
1
2
)
(1-2)
p(v)\sim N(\mu_1, \sigma_1^2)\tag{1-2}
p(v)∼N(μ1,σ12)(1-2)
均为变量
x
x
x的分布。那么
p
(
w
)
p
(
v
)
p(w)p(v)
p(w)p(v)的分布形式指数部分推导过程如下:
相乘后的系数部分结果为:
1
2
π
σ
0
σ
1
×
e
−
(
μ
0
−
μ
1
)
2
2
(
σ
0
2
+
σ
1
2
)
(1-4)
\frac{1}{2\pi\sigma_0\sigma_1}\times e^{-\frac{(\mu_0 - \mu_1)^2}{2(\sigma_0^2 + \sigma_1^2)}}\tag{1-4}
2πσ0σ11×e−2(σ02+σ12)(μ0−μ1)2(1-4)
指数结果为:
−
(
x
−
μ
0
σ
1
2
+
μ
1
σ
0
2
σ
0
2
+
σ
1
2
)
2
2
σ
0
2
σ
1
2
σ
0
2
+
σ
1
2
(1-5)
-\frac{(x-\frac{\mu_0\sigma_1^2+ \mu_1\sigma_0^2}{\sigma_0^2+\sigma_1^2})^2}{\frac{2\sigma_0^2\sigma_1^2}{\sigma_0^2+\sigma_1^2}}\tag{1-5}
−σ02+σ122σ02σ12(x−σ02+σ12μ0σ12+μ1σ02)2(1-5)
那么和标准的高斯分布比较后得相乘后的均值和方差为:
μ
=
μ
0
σ
1
2
+
μ
1
σ
0
2
σ
0
2
+
σ
1
2
(1-6)
\mu =\frac{\mu_0\sigma_1^2+ \mu_1\sigma_0^2}{\sigma_0^2+\sigma_1^2}\tag{1-6}
μ=σ02+σ12μ0σ12+μ1σ02(1-6)
σ
2
=
σ
0
2
σ
1
2
σ
0
2
+
σ
1
2
(1-7)
\sigma^2 = \frac{\sigma_0^2\sigma_1^2}{\sigma_0^2+\sigma_1^2}\tag{1-7}
σ2=σ02+σ12σ02σ12(1-7)