Stein引理：假设 X X X是均值为 μ \mu μ，方差 σ 2 \sigma^2 σ2的高斯随机变量（Gaussian random variable）。进一步假设映射 g g g存在期望 E [ g ( X ) ( X − μ ) ] \mathbb{E}[g(X)(X-\mu)] E[g(X)(X−μ)]和 E [ g ′ ( X ) ] \mathbb{E}[g'(X)] E[g′(X)]，则有
E [ g ( X ) ( X − μ ) ] = σ 2 E [ g ′ ( X ) ] \mathbb{E}[g(X)(X-\mu)]=\sigma^2\mathbb{E}[g'(X)] E[g(X)(X−μ)]=σ2E[g′(X)]一般说，假设 X X X
Stein引理指出，如果X是均值为μ、方差为σ²的高斯随机变量，且映射g的期望E[g(X)(X-μ)]存在，那么E[g'(X)]乘以σ²等于E[g(X)(X-μ)]。当X和Y是联合高斯时，可以利用这个引理来表达协方差Cov(g(X), Y)。证明中使用了分部积分公式来展示这一关系。"
108263392,9834608,iOS App开发环境配置指南,"['iOS开发', 'APP开发', 'Xcode集成开发环境', 'iOS SDK', 'Mac OS开发']
最低0.47元/天 解锁文章
扫一扫
1991
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
