线性高斯模型中如何将Y的高斯PDF转变成X的高斯PDF

符号声明
(1) N ( x ∣ μ , Σ ) \mathcal{N}(\boldsymbol{x}|\boldsymbol{\mu},\boldsymbol{\Sigma}) N(xμ,Σ)表示随机矢量 x \boldsymbol{x} x是服从均值为 μ \boldsymbol{\mu} μ、协方差矩阵为 Σ \boldsymbol{\Sigma} Σ的高斯PDF的高斯矢量。
(2)粗体字表示矢量或者矩阵,如 x \boldsymbol{x} x表示 N N N维矢量。
(3) N ( μ , Σ ) \mathcal{N}(\boldsymbol{\boldsymbol{\mu}},\boldsymbol{\Sigma}) N(μ,Σ)表示均值为 μ \boldsymbol{\mu} μ、协方差矩阵为 Σ \boldsymbol{\Sigma} Σ的多元高斯分布。
(4)’ ∝ \propto ’,表示正比于,如 x ∝ y x\propto y xy表示 x = a y x=ay x=ay a a a为常数。

回顾:矢量高斯分布
假设 x ∼ N ( μ , Σ ) \boldsymbol{x}\sim \mathcal{N}(\boldsymbol{\mu},\boldsymbol{\Sigma}) xN(μ,Σ),则 x \boldsymbol{x} x的概率密度表示如下
p X ( x ) = 1 ( 2 π ) N / 2 det ⁡ ( Σ ) exp ⁡ [ − 1 2 ( x − μ ) T Σ − 1 ( x − μ ) ] p_{\boldsymbol{X}}(\boldsymbol{x})=\frac{1}{(2\pi)^{N/2}\sqrt{\det(\boldsymbol{\Sigma})}}\exp\left[{-\frac{1}{2}(\boldsymbol{x}-\boldsymbol{\mu})^T\boldsymbol{\Sigma}^{-1}(\boldsymbol{x}-\boldsymbol{\mu})}\right] pX(x)=(2π)N/2det(Σ) 1exp[

  • 2
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    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
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
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