在 高斯分布 中我们分别介绍了一维高斯分布情况,以及对于多元高斯分布表达式中的 马氏距离
进行了解释。这一节将主要介绍在多元高斯分布的常用定理进行介绍。
多元高斯的线性性质
已知:
X∼N(μ,Σ)Y=AX+b那么可以得到:
Y∼N(Aμ+b,AΣA⊤)这里 X∈Rp,A∈Rn×p,Y∈Rn
如果一个随机变量满足多元高斯分布,对这个随机变量做任意线性变换,得到的随机变量仍然满足多元高斯分布。
高斯边缘分布与联合分布
本节探究两个问题?
- 如果一个分布是联合高斯分布,从中任取一些随机变量得到的分布是否是高斯分布?
- 如果每一个随机变量的分布都是高斯分布,把他们组合在一起是否是联合高斯分布?
从联合分布到边缘概率
从联合高斯分布到边缘高斯分布是成立的
这句话的正常说法就是第一个问题
如果一个分布是联合高斯分布,从中任取一些随机变量得到的分布是否是高斯分布?
对于具有 p 个随机变量的联合高斯分布或者说多元高斯分布,证明其边缘概率还是高斯分布。
证明:
Xn1⋮Xnk=AX1⋮Xn
只要让第 n1 到 nk 个随机变量所在的位置是 1 即可 (相当于选择出来了) ,根据上面的推论 多元高斯的线性性质 可以得到,仍然为高斯分布。
从边缘分布到联合分布
但是反过来不一定成立。如果 X1,⋯,Xn 全部服从高斯分布,其 X1,⋯,Xn 的联合概率不一定是高斯分布。
X1∼N,X2∼N,⋯,Xn∼N⇏X=(X1⋯,Xn)⊤∼N
我们可以构造一个概率密度函数 f(x,y),这个函数的边缘分布是高斯,但是联合分布不是高斯分布
函数主体是高斯的,但是边缘有波动
f(x,y)=2π1exp(−2x2+y2)+g(x,y)我们希望这个 g(x,y) 的边缘分布都是 0,即
∫−∞+∞g(x,y)dx=∫−∞+∞g(x,y)dy=0如果我们增加这样一项
g(x,y)=sinxsiny可是概率密度函数不能是负的,所以需要修正
g(x,y)=1+sinxsiny因此,我们就可以得到一个例子
f(x,y)=2π1exp(−2x2+y2)+(1+sinxsiny)对 x 和对 y 的边缘分布都是高斯的,但是联合分布不是高斯分布
联合高斯分布判据
对于一个随机变量向量 X=(X1,⋯,Xn)⊤ 是多元随机变量满足一下条件之一 1
- 对于任意的线性组合 Y=a1X1+⋯+anXn 是正态分布,写成向量乘的形式就是对于任意的常向量 a∈Rn,随机变量 Y=aTX 是单变量高斯分布
- 有一个 μ∈Rn 的向量,以及一个对称、半正定的协方差矩阵