这些知识,动不动就忘。为了不白选了一门数学课,还是把他记下来。
f
(
x
)
=
1
(
2
π
)
n
/
2
∣
C
∣
1
2
e
x
p
{
−
1
2
(
x
−
μ
)
T
C
−
1
(
x
−
μ
)
}
f(x)= \frac{1}{ (2\pi)^{n/2} {|C|}^{\frac{1}{2}}}exp\{ -\frac{1}{2} (x-\mu)^T C^{-1} (x-\mu) \}
f(x)=(2π)n/2∣C∣211exp{−21(x−μ)TC−1(x−μ)},其中
C
C
C为协方差矩阵,n为数据维度。
对于二元正态分布:
C
=
[
σ
1
2
ρ
σ
1
σ
2
ρ
σ
1
σ
2
σ
2
2
]
C= \begin{bmatrix} \sigma_1^2 & \rho\sigma_1\sigma_2 \\ \rho\sigma_1\sigma_2 & \sigma_2^2 \end{bmatrix}
C=[σ12ρσ1σ2ρσ1σ2σ22]。其中
σ
i
\sigma_i
σi为第
i
i
i维数据的方差,
ρ
\rho
ρ为相关系数,所以显然
ρ
σ
1
σ
2
\rho\sigma_1\sigma_2
ρσ1σ2为协方差。
二元正态分布:
1
2
π
1
−
ρ
2
σ
1
σ
2
e
x
p
{
−
(
y
−
μ
2
)
2
2
σ
2
2
}
e
x
p
{
−
1
2
(
1
−
ρ
2
)
×
(
x
−
μ
1
σ
1
−
ρ
y
−
μ
2
σ
2
)
2
}
\frac{1}{2\pi\sqrt{1-\rho^2}\sigma_1\sigma_2} exp\{-\frac{(y-\mu_2)^2}{2\sigma_2^2}\} exp\{ -\frac{1}{2(1-\rho^2)} \times (\frac{x-\mu_1}{\sigma_1}-\rho\frac{y-\mu_2}{\sigma_2})^2\}
2π1−ρ2σ1σ21exp{−2σ22(y−μ2)2}exp{−2(1−ρ2)1×(σ1x−μ1−ρσ2y−μ2)2}
对于多元正态分布,如果各维相互独立,那么 C C C中主对角之外的元素为0,这是因为相关系数都为0。
接下来附上3页草稿,验证二元正态分布的形式和多元正态分布的形式吻合:
如果n维正态分布的每一维相互独立,密度函数就是n个1维正态分布的乘积。