高斯分布(搞懂多变量高斯分布的由来)
多变量高斯分布(multivariate Gaussian distribution)的形式如下:
其中,是D维 mean vector,是 协方差矩阵,里面的第 i 行第 j 列元素表示第 i 个变量第 j 个变量的协方差,代表协方差矩阵的行列式 。
二维高斯分布的图如下所示(来自wikipedia),它的每一个维度都是高斯分布:
本文主要就是讲式(1)的由来 。前置知识:雅可比矩阵和雅可比行列式设 是一个函数,它的输入是向量,输出是向量 :
那么 雅可比矩阵 是一个mn矩阵:
由于矩阵描述了向量空间中的运动——变换,而雅可比矩阵看作是将点 转化到点,或者说是从一个n维的欧式空间转换到m维的欧氏空间 。
如果m = n,可以定义雅可比矩阵 的行列式,也就是 雅可比行列式(Jacobian determinant)。
在微积分换元中,也就是给出了 从x到y的n维体积的比率,二维雅可比矩阵的几何意义在二维情况(有直观的图),雅可比行列式代表xy平面上的面积微元与uv平面上的面积微元的比值 。设
雅可比行列式是:

文章插图
如图所示:dA代表dx和dy张成的平行四边形的面积,如果du和dv充分接近于0,那么dA:
二重积分换元:
n维度情况以此类推 。
多变量高斯分布首先考虑 单变量标准正态分布,概率密度函数为:
然后考虑 n 维独立标准高斯分布,就是 n 个 独立的 一维标准正态分布随机变量的联合分布:
为了表达方便,用向量的形式来表示,设,式(3)写作:
一般的,设 由 的线性变换得到:
其中A是 的 非奇异矩阵,是n维向量
可把 用 表示:
注意到,式(6)线性变换的雅可比行列式 是,因此:
设,则,由联合概率分布密度的定义,有:
因此,向量 的联合概率概率密度函数是:
也就得到式(1)
可以看出:多变量高斯分布是单变量高斯分布向多维的推广
【搞懂多变量高斯分布的由来 高斯分布】
推荐阅读
- 王者荣耀高端局伤感id 王者荣耀高端局伤感id有哪些
- 山姆会员是一年一办理的吗 山姆会员退卡后可以重新办吗
- 骨折有什么症状? 骨折的症状
- 榴莲什么人不能吃 榴莲炸开了会不会有细菌
- 榴莲食用注意事项 榴莲买了10天了一直不开口能吃吗
- 硅胶是属于什么材料 为什么用硅胶奶瓶刷不干净
- 按什么顺序看漫威电影 漫威电影观看顺序
- 买金珠怎么看是不是染色的 金珠颜色深的好还是浅色好
- 古人赞美父亲的诗句 赞美父亲伟大的古诗