高斯分布

高斯分布計算方差和期望過程推導(dǎo)

有偏和無偏證明

高維高斯分布過程

高斯分布:
連續(xù)變量一種最重要的概率分布:正態(tài)分布
?
對于一元實值變量,高斯分布被定義為:

其中參數(shù):\mu被叫做均值,\sigma^2被叫做方差,方差的平方根,由\sigma給定,叫作標(biāo)準(zhǔn)差,方差的倒數(shù)\beta = \frac{1}{\sigma^2},叫作精度。

?
根據(jù)上式,我們可以得到:


?
并且很容易證明高斯分布式高度歸一化的,因此:


因此式(1.46)滿足合理地概率密度函數(shù)的兩個要求。
?
我們已經(jīng)能夠找到關(guān)于x的函數(shù)在高斯分布下的期望,特別地,x的平均值為:


?
由于參數(shù)表示在分布下的的平均值,它通常被叫做均值,類似的,二階距:

x的方差被定義為:

分布的最大值被叫做眾數(shù),對于高斯分布,眾數(shù)與均值恰好相等。
?
對于D維向量x的高斯分布:


其中維向量被稱為均值,的矩陣,被稱為協(xié)方差,表示的行列式。
假設(shè)有一批數(shù)據(jù)服從獨立同分布,我們知道對于兩個獨立事件的聯(lián)合概率可以由事件的邊緣概率的乘積得到,由于數(shù)據(jù)是服從獨立同分布的,因此對于給定的和,可以得到數(shù)據(jù)集的概率為:


上式就是高斯分布的似然函數(shù)。
使用一個觀測數(shù)據(jù)集來決定概率分布的參數(shù)的一個通用規(guī)則是尋找使似然函數(shù)取得最大值的參數(shù)值。簡化后續(xù)數(shù)學(xué)分析和有助于數(shù)值計算,寫作對數(shù)形式:


關(guān)于\mu,最大化函數(shù)可以求得最大似然解:

這是樣本均值,及觀測到的{X_n}的均值。關(guān)于\sigma^2最大化函數(shù),我們求得方差的最大似然解:

這是關(guān)于樣本均值\mu_{MLE}的樣本方差,注意我們要同時關(guān)于\mu\sigma^2來最大化函數(shù),但是在高斯分布的情況下,\mu的解和\sigma^2無關(guān),因此我們可以先對\mu求解,然后再對\sigma^2求解。
?

最大似然估計的平均值會得到正確的均值,但是將會低估方差,因子為\frac{N-1}{N},下圖可以解釋:

?

?
下面的對于方差參數(shù)的估計是無偏的:


?
?

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 227,533評論 6 531
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 98,055評論 3 414
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 175,365評論 0 373
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經(jīng)常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 62,561評論 1 307
  • 正文 為了忘掉前任,我火速辦了婚禮,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當(dāng)我...
    茶點故事閱讀 71,346評論 6 404
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 54,889評論 1 321
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 42,978評論 3 439
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 42,118評論 0 286
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 48,637評論 1 333
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 40,558評論 3 354
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 42,739評論 1 369
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,246評論 5 355
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 43,980評論 3 346
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,362評論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 35,619評論 1 280
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 51,347評論 3 390
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 47,702評論 2 370

推薦閱讀更多精彩內(nèi)容

  • 沒有天燃氣灶,也不能用柴火,我便尋了煤油爐子,煤油有限,不舍得用了來煮飯,那就煮面,每天盡可能變著花樣給面里放不同...
    丹菡閱讀 669評論 7 16
  • 事,不過“三”耳 在我微信朋友圈的簽名檔,我寫的是那句(自以為得意的)原創(chuàng)的“座右銘”,即—— 論事[技][術(shù)][...
    鬼谷孫子閱讀 706評論 0 0
  • 軒哥今年讀大班了,開始正兒八經(jīng)的背書包、寫作業(yè)、學(xué)知識了。妞妹也一天天長大,開始跟爸爸互動玩耍。每晚晚餐后爸爸哄著...
    秦land閱讀 676評論 0 1
  • 有些你認為過不去的事,終究還是會過去;有些你認為忘不了的人,時間會讓他沉寂。或許有些難熬的時光、難過的事情會讓你更...
    默茗棋妙閱讀 167評論 0 1
  • 1.java/android DES加密解密 base64編碼用的jdk1.8 2.iOS DES加密解密
    pretty_rain閱讀 1,274評論 1 1