当前位置:新励学网 > 秒知问答 > 向量正态分布形式

向量正态分布形式

发表时间:2024-07-28 07:08:36 来源:网友投稿

在统计学中多维向量的正态分布(Multivariate Normal Distribution)通常表示为以下形式:

假设有一个 d 维的随机向量 X,它服从正态分布,其概率密度函数(Probability Density Function,PDF)可以表示为:

f(x; μ, Σ) = (1 / ((2π)^(d/2) * |Σ|^(1/2))) * exp[-0.5 * (x - μ)^T * Σ^(-1) * (x - μ)]

其中:

- f(x; μ, Σ) 是随机向量 X 的概率密度函数,表示 X 取值为 x 的概率。

- μ 是一个 d 维的均值向量(Mean Vector),表示 X 各维度的均值。

- Σ 是一个 d×d 维的协方差矩阵(Covariance Matrix),表示 X 各维度之间的协方差。

- |Σ| 是协方差矩阵 Σ 的行列式(Determinant)。

- x 是一个 d 维的观测向量,表示你要计算概率密度的具体观测值。

- exp 是自然对数的指数函数。

这个多元正态分布的概率密度函数描述了一个 d 维随机向量 X 的分布情况,其中 X 的各维度之间可以有相关性,这由协方差矩阵 Σ 来描述。均值向量 μ 表示各维度的平均值。

这是多元正态分布的一般形式。具体问题中你可以根据数据的均值和协方差矩阵来估计参数 μ 和 Σ,并使用概率密度函数来计算特定观测值的概率密度。

免责声明:本站发布的教育资讯(图片、视频和文字)以本站原创、转载和分享为主,文章观点不代表本网站立场。

如果本文侵犯了您的权益,请联系底部站长邮箱进行举报反馈,一经查实,我们将在第一时间处理,感谢您对本站的关注!