高斯分布相乘推导

假设两个高斯（正态）分布概率模型服从：
$$p(w)\sim N({\mu }_0,{\sigma }_0^2)\text{\hspace{1em}(1-1)}$$
$$p(v)\sim N({\mu }_1,{\sigma }_1^2)\text{\hspace{1em}(1-2)}$$
均为变量$x$的分布。那么$p(w)p(v)$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:
$$\frac{1}{2\pi {\sigma }_0{\sigma }_1}\times e^{-\frac{({\mu }_0-{\mu }_1{)}^2}{2({\sigma }_0^2+{\sigma }_1^2)}}\text{\hspace{1em}(1-4)}$$

指数结果为：
$$-\frac{(x-\frac{{\mu }_0{\sigma }_1^2+{\mu }_1{\sigma }_0^2}{{\sigma }_0^2+{\sigma }_1^2}{)}^2}{\frac{2{\sigma }_0^2{\sigma }_1^2}{{\sigma }_0^2+{\sigma }_1^2}}\text{\hspace{1em}(1-5)}$$
那么和标准的高斯分布比较后得相乘后的均值和方差为：
$$\mu =\frac{{\mu }_0{\sigma }_1^2+{\mu }_1{\sigma }_0^2}{{\sigma }_0^2+{\sigma }_1^2}\text{\hspace{1em}(1-6)}$$
$${\sigma }^2=\frac{{\sigma }_0^2{\sigma }_1^2}{{\sigma }_0^2+{\sigma }_1^2}\text{\hspace{1em}(1-7)}$$