2-3:Gaussian distribution
7: 对于高斯函数的贝叶斯推断
(1):单变量高斯分布 p(x|u,σ) ,此时平均值u未知,方差 σ 已知。则参数u的先验分布假设为 p(u)=N(u|u0,σ20) ,则后验分布为 p(u|x⃗ )=N(u|uN,σ2N) ,在这里 uN=σ2Nσ20+σ2u0+Nσ20Nσ20+σ2uML,1σ2N=1σ20+Nσ2
(2):单变量高斯分布 p(x|u,σ) ,此时平均值u已知,方差 σ 未知,我们用参数 λ 表示方差的逆 1/σ2 。则参数 λ 的先验分布假设为 Gam(λ|a,b)=1Γ(a)baλa−1exp(−bλ) 。则后验分布为 p(λ|x⃗ )=Gamma(λ|aN,bN) ,在这里 aN=a0+N/2,bN=b0+N2σ2ML 。
(3):单变量高斯分布 p(x|u,σ) ,此时平均值u未知,方差 σ 未知,此时我们假设参数u和 λ 服从的先验分布为 p(u,λ)=N(u|u0,(βλ)−1)Gam(λ|a,b) 。这个分布称为normal-gamma或者是Gaussian-gamma 分布。
(4):D维变量 x⃗ 高斯分布 N(x⃗ |u⃗ ,Λ−1) , 此时 u⃗ 未知, Λ 已知,则假设参数 u⃗ 服从的先验分布为 p(u⃗ )=N(u⃗ |u⃗ 0,Σ0) 。
(5):D维变量 x⃗ 高斯分布 N(x⃗ |u⃗ ,Λ−1) ,此时 u⃗ 已知, Λ 未知,则假设参数 Λ 所服从的分布为 W(Λ|W,v)=B|Λ|(v−D−1)/2exp(−12