第二章：probability distribution

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$p(x|u,\sigma)$，此时平均值u未知，方差$\sigma$已知。则参数u的先验分布假设为$p(u)=N(u|u_{0},\sigma_{0}^{2})$，则后验分布为$p(u|\vec x)=N(u|u_{N},\sigma_{N}^{2})$，在这里$u_{N}=\frac{\sigma^2}{N\sigma_{0}^{2}+\sigma^{2}}u_{0}+\frac{N\sigma_{0}^{2}}{N\sigma_{0}^{2}+\sigma^2}u_{ML}, \frac{1}{\sigma_{N}^{2}}=\frac{1}{\sigma_{0}^{2}+\frac{N}{\sigma^2}}$

（2）：单变量高斯分布$p(x|u,\sigma)$，此时平均值u已知，方差$\sigma$未知，我们用参数$\lambda$表示方差的逆$1/\sigma^2$。则参数$\lambda$的先验分布假设为$Gam(\lambda|a,b)=\frac{1}{\Gamma(a)}b^{a}\lambda^{a-1}exp(-b\lambda)$。则后验分布为$p(\lambda|\vec x)=Gamma(\lambda|a_{N},b_{N})$，在这里$a_{N}=a_{0}+N/2, b_{N}=b_{0}+\frac{N}{2}\sigma_{ML}^2$。

（3）：单变量高斯分布$p(x|u,\sigma)$，此时平均值u未知，方差$\sigma$未知，此时我们假设参数u和$\lambda$服从的先验分布为$p(u,\lambda)=N(u|u_{0},(\beta\lambda)^{-1})Gam(\lambda|a,b)$。这个分布称为normal-gamma或者是Gaussian-gamma 分布。

（4）：D维变量$\vec x$高斯分布$N(\vec x| \vec u, \Lambda^{-1})$, 此时$\vec u$未知，$\Lambda$已知，则假设参数$\vec u$服从的先验分布为$p(\vec u)=N(\vec u|\vec u_{0}, \Sigma_{0})$。

（5）：D维变量$\vec x$高斯分布$N(\vec x|\vec u,\Lambda^{-1})$，此时$\vec u$已知，$\Lambda$未知，则假设参数$\Lambda$所服从的分布为 W(Λ|W,v)=B|Λ|(v−D−1)/2exp(−12