高斯分布的一些性质

RFC2008

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 4k累计阅读 4k平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄18年

关注

原创最新推荐文章于 2026-04-14 19:23:47 发布 4k 阅读 AI 写同款· GEO 优化 ›

补数学基础之高斯分布——极大似然估计 高斯分布 就是我们常说的正态分布，也叫常态分布，名字有很多~~后面统一叫高斯分布。图形非常的常见~ 最简单的，人类的身高分布，学习成绩这种，基本都服从于高斯分布。一维高斯分布：若随机变量X服从一个位置参数为μ 、尺度参数为σ的概率分布的概率密度函数如下： μ ——均值 σ——标准差则这个随机变量就称为正态随机变量，正态随机变量服从的分布就称为正态分布，记作X~N(μ，σ2) ，读作X服从N(μ，σ2) ，或X服从高斯分布。 高斯分布先到这里，公式推导详情回去看概率论课本。极大似然估计第一次阅读详情

收录于

概率

当前文章被收录于：

概率

1 篇文章 0 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

【随机过程】8 - 多元高斯分布及其线性性质多元高斯分布及其线性性质文章目录多元高斯分布及其线性性质1. 高斯过程定义2. 从高斯分布到多元高斯分布2.1 定义2.2 多元高斯概率密度函数2.3 多元高斯特征函数2.4 多元高斯的线性性质3. 高斯边缘分布与联合分布3.1 从联合分布到边缘分布3.2 从边缘分布到联合分布3.3 联合高斯分布判据4. 高斯分布的相关性与独立性4.1 独立性和相关性4.2 高斯分布的不相关和独立4.3 联合高斯分布的不相关和独立4.4 两个例子4.4.1 利用独立性求条件概率4.4.2 解释方差和样本方差的关系(1) 阅读详情

相关推荐

PRML学习笔记-条件高斯分布与边缘高斯分布的常用性质

条件高斯分布与边缘高斯分布的常用性质基本知识多元高斯分布的一个重要性质是,如果两组变量是联合高斯分布,那么以一组变量为条件,另一组变量同样是高斯分布。类似地,任何一个变量的边缘分布也是高斯分布。首先考虑条件概率的情形。假设 x 是一个服从高斯分布 N(x∣μ,Σ)\mathcal{N}(\boldsymbol{x} | \boldsymbol{\mu}, \mathbf{\Sigma})N(...

qq_37394299的博客 1371

格密码：离散高斯，亚高斯分布，光滑参数

高斯分布我们都很熟悉，但在格密码中会用到一种特殊的高斯分布，将其取名。

forest_LL的博客 4000

【随机过程】9 - 高斯分布及其非线性性质

高斯分布及其非线性性质文章目录高斯分布及其非线性性质1. 概述2. Polynonial2.1 高阶矩2.1.1 一维高斯的高阶矩2.1.2 多维高斯高阶矩2.2 平方器2.2.1 相关函数2.2.2 分布函数3. Precewise Linear3.1 硬限幅器(极化)3.1.1 定义3.1.2 相关函数4. Price Theorem -- 分析非线性系统的工具4.1 公式定义4.2 公式证明4.3 price theorem的应用4.3.1 price theorem 与 hard limite

qq_41741344的博客 2646

独立成分分析（ICA）--学习笔记

oneself的博客 1857

数学_两个/三个高斯分布的乘积和性质

两个/三个高斯分布的乘积和性质

惊鸿一博 5332

联合高斯分布与条件高斯分布的相关性质（贝叶斯线性模型）

shengsong 8757

理解高斯分布

开始前，先看几个重要概念：概率函数：把事件概率表示成关于事件变量的函数概率分布函数：一个随机变量ξ取值小于某一数值x的概率，这概率是x的函数，称这种函数为随机变量ξ的分布函数，简称分布函数，记作F(x)，即F(x)=P(ξ<x) (-∞<x<+∞)，由它并可以决定随机变量落入任何范围内的概率。概率密度函数：概率密度等于变量在一个区间(事件的取值范围)的总的概率除以该段区间的长度。概率密度函数是一个描述随机变量在某个确定的取值点附近的可能性的函数。概率分布函数与概率密

hhellowword的博客 2903

多元高斯分布全解析

首先我们知道一元高斯分布是：N(x∣u,σ2)=12πσ2exp[−12σ2(x−u)2]N(x|u,\sigma^2)=\frac{1}{\sqrt{2\pi \sigma^2}}exp[-\frac{1}{2\sigma^2}(x-u)^2]N(x∣u,σ2)=2πσ21exp[−2σ21(x−u)2], 拓展到高维时： N(x‾∣u‾,Σ)=1(2π)D/21∣Σ∣1/2exp[−12(x‾−u‾)TΣ−1(x‾−u‾)]N(\overline x | \overline u, \Sigma)=

noobiee的博客 3395

高斯分布的一些常用性质总结

高斯分布的性质总结

qq_61957994的博客 4349

51、矩阵迹的性质、拓扑群与高斯分布相关研究

本文系统探讨了矩阵迹的乘法性证明、拓扑群与Haar测度的理论基础及其在高斯分布与噪声线性模型中的应用。通过Lipschitz连续函数与Levy引理推导矩阵迹的相关不等式，介绍了群、拓扑空间、Hausdorff拓扑及拓扑群的基本定义与实例，并详细阐述了Haar测度在不同群上的构造与积分形式。进一步研究了高斯分布间的Kullback-Leibler距离与协方差矩阵的各向异性度量，构建了基于迹的统计量用于评估因果关系，并通过数学归纳法严格证明其正定性。最后总结了这些理论在数据分析、机器学习与物理学中的广泛应用，提

p4q5r6s7t的博客 74

Skynet 框架面试题

本文整理了游戏服务端开发面试中 Skynet 框架的高频考点，涵盖底层架构、消息派发、协程调度、网络 I/O、harbor 跨机通信、内存管理、socket 处理、阻塞操作、错误处理等核心内容。全面覆盖 Skynet 框架的原理、使用和实战问题，追求深入准确，拒绝八股文。

小赖的博客 383

单维高斯分布及多维高斯分布的性质

协方差矩阵是实对称矩阵，也是半正定矩阵。所以协方差矩阵满足实对称矩阵和半正定矩阵的性质。记Σ\SigmaΣ为协方差矩阵。 Σ\SigmaΣ是满秩的，也就是∣Σ∣|\Sigma|∣Σ∣（行列式）不为0。 Σ\SigmaΣ是半正定的，所以∣Σ∣|\Sigma|∣Σ∣是大于0。 Σ\SigmaΣ所有的特征值是大于0的。 Σ\SigmaΣ的逆矩阵存在。 Σ\SigmaΣ可相似对角化。 Σ\SigmaΣ主对角线元素均非负，其他位置元素可以有负数。多维高斯分布的概率密度函数： f(x)=1(2π)D/21∣Σ∣

上帝是个娘们的博客 4198

IBM x3650M4服务器更换主板后，导入原有硬盘阵列信息

x3650m4服务器主板坏了，更换好的主板，需要导入原来硬盘的里面的阵列信息 1、开机有提示信息，按C导入配置 2、按Y继续 3、点击start进入阵列卡配置 4、选择configurations 1，点击preview 5、预览硬盘的阵列信息，点击import导入 6、导入成功，可以查看到阵列信息 7、重启服务器，进入操作系统如果重启找不到操作系统，重启按f12，手动选择从onboard sas controller启动，进入系统一次后面重启就会自动找到并引导系统了。 8、有时候导入阵列

zds00virtue的博客 2万+

高斯分布数学性质及推导（一）：如何证明高斯分布的积分为1

高斯分布是概率统计和机器学习中最常用到的分布之一，在数学上经常被记为N(μ,∑)\mathcal{N}(\mu, \sum)N(μ,∑)，其中μ\muμ为均值，∑\sum∑是协方差矩阵。高维高斯分布的具体形式如下： N(μ,∑)=1(2π)D2∣∑∣12e−12(x−μ)T∑−1(x−μ), (1)\mathcal{N}(\mu...

Weiwei_xu_g的博客 1万+

考完CAIE认证一年后，谈谈它对我的职业的真实影响（干货）

大门，让面试官愿意给你机会，但进门之后的发展，还得靠持续的学习和项目积累。说实话，当时的心态是“考都考了，总比闲着强”，对这张证书能带来什么实际价值，心里并没有底。这种广泛的生态认可，让这张证书的“流通性”变得很强——无论跳槽还是在原公司发展，它都是一个被市场验证过的能力证明。对我个人而言，虽然没跳槽，但在年度调薪和争取内部项目时，持证经历也成了一个有力的“加分项”。这种巨大的薪资差距，恰恰反映了市场对“能落地、懂技术”的深度人才的渴求。考完证后的这一年，我看到了两条清晰的职业发展路径在自己面前展开。

qq_16014487的博客 817

告别‘火龙’：实测BES2800/RK2108等主流芯片，聊聊AI眼镜的功耗与散热‘内卷’实战

本文深入探讨了AI智能眼镜在功耗与散热方面的挑战，重点分析了恒玄BES2800和瑞芯微RK2108等主控芯片的能效表现。通过实测数据和优化策略，揭示了在6nm工艺、异构计算和系统级散热方案下的实战经验，为AI眼镜的功耗管理提供了实用解决方案。

weixin_30839881的博客 946

多元高斯分布的一些性质

边际分布、条件分布、两个高斯分布的乘积

颹蕭蕭 2862

手把手教你用STM32驱动SPL06-001气压传感器（附完整代码与避坑指南）

本文详细介绍了如何使用STM32驱动SPL06-001气压传感器，包括硬件连接、寄存器配置、驱动层实现和数据补偿算法。通过完整的代码示例和避坑指南，帮助开发者快速掌握SPL06传感器的应用技巧，提升嵌入式系统开发效率。

weixin_42552315的博客 294

高斯分布数学性质及推导（二）：如何证明高斯分布的边缘概率和条件概率公式

上一讲对高维高斯概率分布N(μ,∑)\mathcal{N}(\mu,\sum)N(μ,∑)在定义域上积分为1进行了证明，这一讲来推导高斯分布的边缘概率和条件概率公式。推导过程与PRML一书类似，但对细节进行了展开介绍。随后介绍如何利用高斯随机变量的线性组合公式进行推导。高维高斯分布N(μ,∑)\mathcal{N}(\mu,\sum)N(μ,∑)的具体公式可写为： N(μ,∑)=1(2π)N2∣∑...

Weiwei_xu_g的博客 4158

审稿人看了直呼内行：多组学整合分析——科研小白进阶之路

多组学，多平台分析解决方案

pysonger的博客 3944

大学计算 - NumPy库的矩阵运算实训答案

本文介绍了三个NumPy矩阵操作的实验练习。第一关练习ndarray类型操作，包括矩阵构造、元素平方和计算、矩阵乘积运算和逆矩阵行列式计算；第二关针对matrix类型，涉及绝对值最大值获取、特定矩阵乘积运算和转置矩阵特征值计算；第三关实现Moore-Penrose伪逆矩阵计算，并与NumPy内置pinv函数结果比较误差。实验涵盖了NumPy核心矩阵操作，展示了从基础运算到高级矩阵分解的应用，帮助掌握科学计算中的矩阵处理技巧。

2403_89314916的博客 311

高斯分布的数学性质与证明

1.背景介绍 高斯分布，也被称为正态分布，是概率论和统计学中最重要的分布。它的名字来源于德国数学家卡尔·弗里德曼·高斯(Carl Friedrich Gauss)。高斯分布是一种对称的、单峰的分布，其峰值在均值(期望)处，两侧逐渐趋于零。高斯分布广泛应用于各个领域，如统计学、机器学习、金融、物理等。本文将从以下几个方面进行阐述：背景介绍核心概念与联系核心算法原理和具体操作步骤以及数...

AI天才研究院 1863

音乐生成 - 使用LSTM或Transformer模型进行音乐生成，如MIDI音乐生成。

在本篇博客中，我们将介绍如何使用LSTM和Transformer模型生成MIDI音乐。我们将首先概述音乐生成的一般流程，然后深入了解LSTM和Transformer模型的特点和实现。最后，我们将通过Python代码演示如何使用这两种模型生成MIDI音乐。

斌擎科技 1722

高斯分布的性质（含代码）

多元高斯分布：一元高斯分布：(将多元高斯分布中的D取值1）其中代表的是平均值，是方差的平方，也可以用来表示，是一个对称正定矩阵。 -------------------------------------------------------------------------------------------------------------------------------- 一.不同的平均值对二元高斯分布的影响：平均值不同时，高斯分布的中心不一样。二. 不同...

以梦为马，不日抵达。 3583

SAP B1中文培訓教材_SDK

公司内部培训资料，对开发工具，DIAPI， UIAPI，Add-ON有详细解说

汉书HE8，好用的汇编代码编写工具

汉书HE8，好用的汇编代码编写工具早期编写汇编代码所用功能强大

上一篇：挖掘地图查询日志的价值

下一篇： c++中的类型转换(dynamic_cast, reinterpret_cast, static_cast ,const_cast)

PRML学习笔记-条件高斯分布与边缘高斯分布的常用性质

qq_37394299的博客

11-14

1371