本文详细介绍了高斯分布的参数估计、二维正态分布的几何意义以及多维高斯分布的边缘分布和条件分布。通过MATLAB中的高斯分布生成，揭示了一维高斯分布的最大似然估计中均值无偏、方差有偏的特性。二维高斯分布的等概率曲线表现为椭圆，并通过特征根和正交矩阵变换进行了深入解析。此外，还讨论了多维高斯分布的边缘分布和条件分布皆为正态分布的性质。
1.高斯分布的MLE参数估计的均值是无偏的，方差有偏
2.二维正态分布的等概率曲线是一个椭圆
3.n维正态分布的边缘分布和条件分布都是正态分布
高斯分布是概率论和统计学最重要的分布，在机器学习各种模型的也是处处可见。因此，有必要对高斯分布做深一步的理解。本文从一维高斯分布的参数估计、二维高斯分布的几何意义、以及n维高斯分布边缘分布与条件分布进行介绍
一维高斯分布的参数估计
若随便变量X服从正态分布，则
给出m个观测值xi，我们可以利用最大似然估计法(MLE)估计其均值和方差
因此只需要优化函数f即可
最低0.47元/天 解锁文章
扫一扫
1217
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
