2.3.2 边缘高斯分布

由上一章知道如果联合分布为高斯分布,则条件概率分布也是高斯分布,现在讨论边缘概率分布

和上一章一样,我们从联合分布的指数项的二次型出发,找出边缘分布的均值和方差


再次拿出使用分块精度矩阵表示的二次型公式
-\frac{1}{2}(x-\mu)^T\Sigma^{-1}(x-\mu) = \\ -\frac{1}{2}(x_a-\mu_a)^T\wedge_{aa}(x_a-\mu_a)-\frac{1}{2}(x_a-\mu_b)^T\wedge_{ab}(x_a-\mu_b)\\ -\frac{1}{2}(x_b-\mu_a)^T\wedge_{ba}(x_b-\mu_a)-\frac{1}{2}(x_b-\mu_b)^T\wedge_{bb}(x_b-\mu_b)
这次目标是积分出,配出平方能够使得积分更加方便的运算(???)
首先考虑涉及x_b的项,和x_a相反,有\\ -\frac{1}{2}x_b^T\wedge_{bb}x_b + x_b^Tm = -\frac{1}{2}(x_b-\wedge_{bb}^{-1}m)^T\wedge_{bb}(x_b-\wedge_{bb}^{-1}m)+\frac{1}{2}m^T\wedge_{bb}^{-1}m\\ 其中m=\wedge_{bb}\mu_b-\wedge_{ba}(x_a-\mu_a)

上面的公式的右边的第一项就是关于的标准的二次型,第二项是与无关的常数项(但与相关)

在上,我们取这个标准的二次型作为高斯分布的指数项(因为剩余的常数项可以直接写道积分外面),有

为什么要给配平方????
因为高斯分布的系数与均值无关,只依赖于协方差矩阵(在这里是),因此即使均值中有关于的项也没有关系,积分结果与均值无关!!!你就想一个高斯分布,均值只决定了高峰在x轴上的哪个位置上而已。


现在我们来考察的项,因为可以提取出积分外面,暂时不再考虑积分里面的积分结果,结合配方后遗留下来的相关的项(左侧的最后一项)和与在上一章中求过的相关的项,有
\frac{1}{2}[\wedge_{bb}\mu_b-\wedge_{ba}(x_a-\mu_b)]^T\wedge_{bb}^{-1}[\wedge_{bb}\mu_{b}-\wedge_{ba}(x_a-\mu_a)]\\ -\frac{1}{2}x_a^T\wedge_{aa}x_a+a^T(\wedge_{aa}\mu_a-\wedge_{ab}(x_b-\mu_b))+C\\ =-\frac{1}{2}x_a^T(\wedge_{aa}-\wedge_{ab}\wedge_{bb}^{-1}\wedge_{ba})x_a+x_a^T(\wedge_{aa}-\wedge_{ab}\wedge_{bb}^{-1}\wedge_{ba})\mu_a +C

可以看出协方差矩阵,均值为

还记得上一章中分块矩阵的逆矩阵的恒等式,不难得出


结论

你可能感兴趣的:(2.3.2 边缘高斯分布)