多元高斯分布

一元高斯函数

$$f_1(x)=\frac{1}{\sqrt{2\pi }\sigma }{e}^{-\frac{(x-\mu {)}^2}{2{\sigma }^2}}$$
令$z=\frac{x-\mu }{\sigma }$，即对x进行标准化，此时z服从标准正态分布 $N(0,1)$：$$f_1(z)=\frac{1}{\sqrt{2\pi }}{e}^{-\frac{z^2}{2}}$$

独立多元高斯函数

假设n个变量 $x=[x_1,x_2,\cdots ,x_n{]}^T$ 互不相关，且服从正态分布（维度不相关多元正态分布），各个维度的均值$\mu =[{\mu }_1,{\mu }_2,\cdots ,{\mu }_n]T$， 方差 $\sigma =[{\sigma }_1,{\sigma }_2,\cdots ,{\sigma }_n{]}^T$，根据联合概率密度公式：
$$f_n(x)=f_1(x_1)f_1(x_2)...f_1(x_n)=\frac{1}{(\sqrt{2\pi }{)}^n{\sigma }_z}{e}^{-\frac{z^2}{2}}$$其中，$${\sigma }_z={\sigma }_1{\sigma }_2...{\sigma }_n$$$$z^2=\frac{(x_1-{\mu }_1{)}^2}{{\sigma }_1^2}+\frac{(x_2-{\mu }_2{)}^2}{{\sigma }_2^2}+...+\frac{(x_n-{\mu }_n{)}^2}{{\sigma }_n^2}$$

也可以写成矩阵形式：$$f_n(x)=\frac{1}{(\sqrt{2\pi }{)}^n|\sum {|}^{\frac{1}{2}}}{e}^{-\frac{(x-\mu {)}^T|\sum {|}^{-1}(x-\mu )}{2}}$$其中，∑代表变量 X 的协方差矩阵， i行j列的元素值表示$x_i$与$x_j$的协方差

相关多元高斯函数

公式同上

Ⅰ， 定义新的坐标系，通过投影矩阵 $U^T$将元素映射到新的坐标系，目的是去相关性

Ⅱ， 在新的坐标下，我们定义了新的期望、协方差、协方差的逆，他们都可以通过$U$与 $U^T$计算出来

Ⅲ， 套用标准公式，将新的期望、协方差的逆、协方差的行列式代入，发现最后的结果与$U$、 $U^T$无关

参考教程

多元高斯分布（The Multivariate normal distribution） - bingjianing - 博客园
https://www.cnblogs.com/bingjianing/p/9117330.html