多元高斯分布全解析

高斯分布全解析"/>

多元高斯分布全解析

大纲

• 公式推导
• 参数估计
• 高斯分布运算
• 高斯分布性质
• 高斯过程（Gaussian process）

概念区分

• 边缘分布(marginal distribution)和联合分布
• 概率密度函数和概率分布函数

1. 多元高斯分布公式推导

首先我们知道一元高斯分布是： N ( x ∣ u , σ 2 ) = 1 2 π σ 2 e x p [ − 1 2 σ 2 ( 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)=2πσ2 ​1​exp[−2σ21​(x−u)2], 拓展到高维时：
N ( x ‾ ∣ u ‾ , Σ ) = 1 ( 2 π ) D / 2 1 ∣ Σ ∣ 1 / 2 e x p [ − 1 2 ( x ‾ − u ‾ ) T Σ − 1 ( x ‾ − u ‾ ) ] N(\overline x | \overline u, \Sigma)=\frac{1}{(2\pi)^{D/2}}\frac{1}{|\Sigma|^{1/2}}exp[-\frac{1}{2}(\overline x-\overline u)^T\Sigma^{-1}(\overline x-\overline u)] N(x∣u,Σ)=(2π)D/21​∣Σ∣1/21​exp[−21​(x−u)TΣ−1(x−u)]其中， x ‾ \overline x x 表示维度为 D 的向量， u ‾ \overline u u 则是这些向量的平均值， Σ \Sigma Σ 表示所有向量 x ‾ \overline x x 的协方差矩阵。

现在进行推导。为了简单起见，假设所有变量都是相互独立的，即对于概率分布函数 f ( x 0 , x 1 , … , x n ) = f ( x 0 ) f ( x 1 ) . . . f ( x n ) f(x_0,x_1,…,x_n)=f(x_0)f(x_1)...f(x_n) f(x0​,x1​,…,xn​)=f(x0​)f(x1​)...f(xn​) 成立。

假设有很多变量 x ‾ = [ x 1 x 2 ] \overline x=\begin{bmatrix} x_1 \\ x_2 \end{bmatrix} x=[x1​x2​​]，它们的均值为 u ‾ = [ u 1 u 2 ] \overline u=\begin{bmatrix} u_1 \\ u_2 \end{bmatrix} u=[u1​u2​​]，方差为 σ ‾ = [ σ 1 σ 2 ] \overline \sigma=\begin{bmatrix} \sigma_1 \\ \sigma_2 \end{bmatrix} σ=[σ1​σ2​​]。

由于 x 1 x_1 x1​， x 2 x_2 x2​ 是相互独立的，所以， x ‾ \overline x x 的高斯分布函数可以表示为：
f ( x ‾ ) = f ( x 1 , x 2 ) = f ( x 1 ) f ( x 2 ) = 1 2 π σ 1 2 e x p ( − 1 2 ( x 1 − u 1 σ 1 ) 2 ) × 1 2 π σ 2 2 e x p ( − 1 2 ( x 2 − u 2 σ 2 ) 2 ) = 1 ( 2 π ) 2 / 2 ( σ 1 2 σ 2 2 ) 1 / 2 e x p ( − 1 2 [ ( x 1 − u 1 σ 1 ) 2 + ( x 2 − u 2 σ 2 ) 2 ] ) \begin{aligned} f(\overline x) &= f(x_1,x_2) \\ &= f(x_1)f(x_2) \\ &= \frac{1}{\sqrt{2\pi \sigma_1^2}}exp(-\frac{1}{2}(\frac{x_1-u_1}{\sigma_1})^2) \times \frac{1}{\sqrt{2\pi \sigma_2^2}}exp(-\frac{1}{2}(\frac{x_2-u_2}{\sigma_2})^2) \\ &=\frac{1}{(2\pi)^{2/2}(\sigma_1^2 \sigma_2^2)^{1/2}}exp(-\frac{1}{2}[(\frac{x_1-u_1}{\sigma_1})^2+(\frac{x_2-u_2}{\sigma_2})^2]) \end{aligned} f(x)​=f(x1​,x2​)=f(x1​)f(x2​)=2πσ12​ ​1​exp(−21​(σ1​x1​−u1​​)2)×2πσ22​ ​1​exp(−21​(σ2​x2​−u2​​)2)=(2π)2/2(σ12​σ22​)1/21​exp(−21​[(σ1​x1​−u1​​)2+(σ2​x2​−u2​​)2])​接下来，为了推出文章开篇的高维公式，我们要想办法得到协方差矩阵 Σ \Sigma Σ。
对于二维的向量 x ‾ \overline x x 而言，其协方差矩阵为：
Σ = [ σ 11 σ 12 σ 12 σ 22 ] = [ σ 1 2 σ 12 σ 21 σ 2 2 ] \begin{aligned} \Sigma&=&\begin{bmatrix} \sigma_{11} & \sigma_{12} \\ \sigma_{12} & \sigma_{22} \end{bmatrix} \\ &=&\begin{bmatrix} \sigma_1^2 & \sigma_{12} \\ \sigma_{21} & \sigma_{2}^2 \end{bmatrix} \\ \end{aligned} Σ​==​[σ11​σ12​​σ12​σ22​​][σ12​σ21​​σ12​σ22​​]​

协方差（Covariance）在概率论和统计学中用于衡量两个变量的总体误差。而方差是协方差的一种特殊情况，即当两个变量是相同的情况。简单来讲，协方差就是衡量两个变量相关性的变量。当协方差为正时，两个变量呈正相关关系（同增同减）；当协方差为负时，两个变量呈负相关关系（一增一减）。 而协方差矩阵，只是将所有变量的协方差关系用矩阵的形式表现出来而已。通过矩阵这一工具，可以更方便地进行数学运算。协方差公式为：
C o v ( X , Y ) = E ( X , Y ) − E ( X ) E ( Y ) = ∑ i = 1 n ( x i − x ‾ ) ( y i − y ‾ ) n − 1 Cov(X,Y)=E(X,Y)-E(X)E(Y)=\frac{\sum_{i=1}^n{(x_i-\overline x)(y_i-\overline y)}}{n-1} Cov(X,Y)=E(X,Y)−E(X)E(Y)=n−1∑i=1n​(xi​−x)(yi​−y​)​ 这里的 X X X， Y Y Y表示两个变量空间。用机器学习的话讲，就是样本有 x x x 和 y y y 两种特征，而 X X X 就是包含所有样本的 x x x 特征的集合， Y Y Y就是包含所有样本的 y y y 特征的集合。 x ‾ \overline x x 和 y ‾ \overline y y​ 是 X X X， Y Y Y 两个特征空间的平均值。
那么假如 Z Z Z 是包含 X X X和 Y Y Y的矩阵，那么计算协方差矩阵时， C o v ( Z ) = E [ ( X − E [ X ] ) ( Y − E [ Y ] ) ⊤ ] = [ C o v ( X , X ) C o v ( X , Y ) C o v ( Y , X ) C o v ( Y , Y ) ] Cov(Z)=\mathrm{E}\left[ (X - \mathrm{E}[X]) (Y - \mathrm{E}[Y])^\top\right]=\begin{bmatrix} Cov(X,X) & Cov(X,Y) \\ Cov(Y,X) & Cov(Y,Y) \end{bmatrix} Cov(Z)=E[(X−E[X])(Y−E[Y])⊤]=[Cov(X,X)Cov(Y,X)​Cov(X,Y)Cov(Y,Y)​]
这样矩阵中之中每个元素 Σ i j = ( 样本矩阵第 i 列 − 第 i 列均值 ) T ( 样本矩阵第 j 列 − 第 j 列均值 ) 样本数 − 1 \Sigma_{ij}=\frac{(样本矩阵第i列-第i列均值)^T(样本矩阵第j列-第j列均值)}{样本数-1} Σij​=样本数−1(样本矩阵第i列−第i列均值)T(样本矩阵第j列−第j列均值)​
当 X X X, Y Y Y两个变量独立时， C o v ( X , Y ) Cov(X,Y) Cov(X,Y)为0：
E ( X Y ) = ∑ x ∑ y x × y × p ( x , y ) = ∑ x ∑ y x × y × p x ( x ) × p y ( y ) = ∑ x x × p x ( x ) ∑ y y × p y ( y ) = E ( X ) E ( Y ) \begin{aligned} E(XY) & = \sum_x \sum_y {x \times y \times p(x,y)} \notag \\ & = \sum_x \sum_y x \times y \times p_x(x) \times p_y(y) \notag \\ & = \sum_x{x \times p_x(x)}\sum_y{y \times p_y(y)} \notag \\ & = E(X)E(Y) \notag \end{aligned} E(XY)​=x∑​y∑​x×y×p(x,y)=x∑​y∑​x×y×px​(x)×py​(y)=x∑​x×px​(x)y∑​y×py​(y)=E(X)E(Y)​

由于 x 1 x_1 x1​， x 2 x_2 x2​ 是相互独立的，所以 σ 12 = σ 21 = 0 \sigma_{12}=\sigma_{21}=0 σ12​=σ21​=0。这样， Σ \Sigma Σ 退化成 [ σ 1 2 0 0 σ 2 2 ] \begin{bmatrix} \sigma_1^2 & 0 \\ 0 & \sigma_{2}^2 \end{bmatrix} [σ12​0​0σ22​​]。
则 Σ \Sigma Σ 的行列式 ∣ Σ ∣ = σ 1 2 σ 2 2 |\Sigma|=\sigma_1^2 \sigma_2^2 ∣Σ∣=σ12​σ22​，代入公式 (4) 就可以得到：
f ( x ‾ ) = 1 ( 2 π ) 2 / 2 ∣ Σ ∣ 1 / 2 e x p ( − 1 2 [ ( x 1 − u 1 σ 1 ) 2 + ( x 2 − u 2 σ 2 ) 2 ] ) f(\overline x)=\frac{1}{(2\pi)^{2/2}|\Sigma|^{1/2}}exp(-\frac{1}{2}[(\frac{x_1-u_1}{\sigma_1})^2+(\frac{x_2-u_2}{\sigma_2})^2]) f(x)=(2π)2/2∣Σ∣1/21​exp(−21​[(σ1​x1​−u1​​)2+(σ2​x2​−u2​​)2])
这样一来，我们已经推出了公式的左半部分，下面，开始处理右面的 exp 函数。
原始的高维高斯函数的 exp 函数为： e x p [ − 1 2 ( x ‾ − u ‾ ) T Σ − 1 ( x ‾ − u ‾ ) ] exp[-\frac{1}{2}(\overline x-\overline u)^T\Sigma^{-1}(\overline x-\overline u)] exp[−21​(x−u)TΣ−1(x−u)]，根据前面算出来的 Σ \Sigma Σ，我们可以求出它的逆： Σ − 1 = 1 σ 1 2 σ 2 2 [ σ 2 2 0 0 σ 1 2 ] \Sigma^{-1}=\frac{1}{\sigma_1^2 \sigma_2^2} \begin{bmatrix} \sigma_2^2 & 0 \\ 0 & \sigma_1^2 \end{bmatrix} Σ−1=σ12​σ22​1​[σ22​0​0σ12​​]。
接下来根据这个二维的例子，将原始的 exp() 展开：
e x p [ − 1 2 ( x ‾ − u ‾ ) T Σ − 1 ( x ‾ − u ‾ ) ] = e x p [ − 1 2 [ x 1 − u 1 x 2 − u 2 ] 1 σ 1 2 σ 2 2 [ σ 2 2 0 0 σ 1 2 ] [ x 1 − u 1 x 2 − u 2 ] ] = e x p [ − 1 2 [ x 1 − u 1 x 2 − u 2 ] 1 σ 1 2 σ 2 2 [ σ 2 2 ( x 1 − u 1 ) σ 1 2 ( x 2 − u 2 ) ] ] = e x p [ − 1 2 σ 1 2 σ 2 2 [ σ 2 2 ( x 1 − u 1 ) 2 + σ 1 2 ( x 2 − u 2 ) 2 ] ] = e x p [ − 1 2 [ ( x 1 − u 1 ) 2 σ 1 2 + ( x 2 − u 2 ) 2 σ 2 2 ] ] \begin{aligned} exp[-\frac{1}{2}(\overline x-\overline u)^T\Sigma^{-1}(\overline x-\overline u)] &= exp[-\frac{1}{2} \begin{bmatrix} x_1-u_1 \ \ \ x_2-u_2 \end{bmatrix} \frac{1}{\sigma_1^2 \sigma_2^2} \begin{bmatrix} \sigma_2^2 & 0 \\ 0 & \sigma_1^2 \end{bmatrix} \begin{bmatrix} x_1-u_1 \\ x_2-u_2 \end{bmatrix}] \\ &= exp[-\frac{1}{2} \begin{bmatrix} x_1-u_1 \ \ \ x_2-u_2 \end{bmatrix} \frac{1}{\sigma_1^2 \sigma_2^2} \begin{bmatrix} \sigma_2^2(x_1-u_1) \\ \sigma_1^2(x_2-u_2) \end{bmatrix}] \\ &= exp[-\frac{1}{2\sigma_1^2 \sigma_2^2}[\sigma_2^2(x_1-u_1)^2+\sigma_1^2(x_2-u_2)^2]] \\ &= exp[-\frac{1}{2}[\frac{(x_1-u_1)^2}{\sigma_1^2}+\frac{(x_2-u_2)^2}{\sigma_2^2}]] \end{aligned} exp[−21​(x−u)TΣ−1(x−u)]​=exp[−21​[x1​−u1​   x2​−u2​​]σ12​σ22​1​[σ22​0​0σ12​​][x1​−u1​x2​−u2​​]]=exp[−21​[x1​−u1​   x2​−u2​​]σ12​σ22​1​[σ22​(x1​−u1​)σ12​(x2​−u2​)​]]=exp[−2σ12​σ22​1​[σ22​(x1​−u1​)2+σ12​(x2​−u2​)2]]=exp[−21​[σ12​(x1​−u1​)2​+σ22​(x2​−u2​)2​]]​
展开到最后，发现推出了原公式。说明原公式 N ( x ‾ ∣ u ‾ , Σ ) = 1 ( 2 π ) D / 2 1 ∣ Σ ∣ 1 / 2 e x p [ − 1 2 ( x ‾ − u ‾ ) T Σ − 1 ( x ‾ − u ‾ ) ] N(\overline x | \overline u, \Sigma)=\frac{1}{(2\pi)^{D/2}}\frac{1}{|\Sigma|^{1/2}}exp[-\frac{1}{2}(\overline x-\overline u)^T\Sigma^{-1}(\overline x-\overline u)] N(x∣u,Σ)=(2π)D/21​∣Σ∣1/21​exp[−21​(x−u)TΣ−1(x−u)]是成立的。

---

2. 参数估计

如果给定了很多数据点，并且知道它们服从某个高斯分布，我们要求高斯分布的参数（ μ μ μ 和 Σ Σ Σ），估计模型参数的方法有很多，最常用的就是极大似然估计（MLE）。对于一维的高斯模型假如有m个数据点，则似然函数:
f ( x 1 , x 2 , … , x m ) = ∏ i = 1 m 1 2 π σ e x p ( − ( x i − μ ~ ) 2 2 σ 2 ) f(x_1, x_2, \dots, x_m)=\prod_{i=1}^{m}\frac{1}{\sqrt{2\pi}\sigma}exp(-\frac{(x_i-\tilde \mu)^2}{2\sigma^2}) f(x1​,x2​,…,xm​)=i=1∏m​2π ​σ1​exp(−2σ2(xi​−μ~​)2​)取对数后求导，令导数为 0 得到似然方程。 ∂ ln ⁡ f ∂ μ ‾ = 1 σ 2 ∑ i = 1 m ( x i − μ ~ ) = 0 \frac{\partial \ln f}{\partial \overline \mu}=\frac{1}{\sigma^2}\sum_{i=1}^{m}{(x_i-\tilde \mu)}=0 ∂μ​∂lnf​=σ21​i=1∑m​(xi​−μ~​)=0 ∂ ln ⁡ f ∂ σ = − m σ + 1 σ 3 ∑ i = 1 m ( x i − μ ~ ) = 0 \frac{\partial \ln{f}}{\partial \sigma}=-\frac{m}{\sigma}+\frac{1}{\sigma^3}\sum_{i=1}^m{(x_i-\tilde \mu)}=0 ∂σ∂lnf​=−σm​+σ31​i=1∑m​(xi​−μ~​)=0得到 μ ~ = 1 m ∑ i = 1 m x i \tilde \mu=\frac{1}{m}\sum_{i=1}^m{x_i} μ~​=m1​∑i=1m​xi​， σ = 1 m ∑ i = 1 m ( x i − μ ~ ) 2 \sigma=\sqrt{\frac{1}{m}\sum_{i=1}^m{(x_i-\tilde \mu)^2}} σ=m1​∑i=1m​(xi​−μ~​)2 ​

多维高斯分布时，假如有m个p维向量 x x x，参数估计为：
在计算样本协方差矩阵时，我们要使用无偏估计，即将分母由 m m m 改为 ( m − 1 ) (m-1) (m−1)。[^1]

---

3. 高斯分布运算

3.1 一元高斯分布相乘

假设 p ( x 1 ) = N ( x ∣ μ 1 , σ 1 ) , p ( x 2 ) = N ( x ∣ μ 2 , σ 2 ) p(x_1)=\mathcal{N}(x\vert \mu_1,\sigma_1), \, p(x_2)=\mathcal{N}(x\vert \mu_2,\sigma_2) p(x1​)=N(x∣μ1​,σ1​),p(x2​)=N(x∣μ2​,σ2​)均是关于变量
x x x的分布，得两个高斯分布相乘仍为缩放的高斯分布：
p ( x 1 ) p ( x 2 ) = e − 1 2 σ 1 2 ( x − μ 1 ) 2 e − 1 2 σ 2 2 ( x − μ 2 ) 2 = e − 1 2 （ σ 1 2 + σ 2 2 ） x 2 − 2 ( μ 1 σ 2 2 + μ 2 σ 1 2 ) x + constant σ 1 2 σ 2 2 \begin{align*} p(x_1)p(x_2) & = e^{-\frac{1}{2\sigma_1^2}\, (x-\mu_1)^2}e^{-\frac{1}{2\sigma_2^2}\, (x-\mu_2)^2} \\ & =e^{-\frac{1}{2}\frac{（\sigma_1^2\, +\sigma_2^2\, ）\, x^2-2(\mu_1\, \sigma_2^2+\mu_2\, \sigma_1^2)x+\text{constant}}{\sigma_1^2\sigma_2^2}}\end{align*} p(x1​)p(x2​)​=e−2σ12​1​(x−μ1​)2e−2σ22​1​(x−μ2​)2=e−21​σ12​σ22​（σ12​+σ22​）x2−2(μ1​σ22​+μ2​σ12​)x+constant​​则高斯分布的参数: μ = μ 1 σ 2 2 + μ 2 σ 1 2 σ 1 2 + σ 2 2 , σ = σ 1 2 σ 2 2 σ 1 2 + σ 2 2 \begin{align*} \mu & = \frac{\mu_1\sigma_2^2+\mu_2\sigma_1^2}{\sigma_1^2+\sigma_2^2} \ ,\ \ \sigma = \sqrt{\frac{\sigma_1^2\sigma_2^2}{\sigma_1^2+\sigma_2^2}} \end{align*} μ​=σ12​+σ22​μ1​σ22​+μ2​σ12​​ ,  σ=σ12​+σ22​σ12​σ22​​ ​​上式可写为如下形式，从而推广至 n n n个一维高斯分布相乘： μ = ( μ 1 σ 1 2 + μ 2 σ 2 2 ) σ 2 , 1 σ 2 = 1 σ 1 2 + 1 σ 2 2 \begin{align*} \mu &= (\frac{\mu_1}{\sigma_1^2}+\frac{\mu_2}{\sigma_2^2})\sigma^2 \ ,\ \ \frac{1}{\sigma^2} = \frac{1}{\sigma_1^2} + \frac{1}{\sigma_2^2} \end{align*} μ​=(σ12​μ1​​+σ22​μ2​​)σ2 ,  σ21​=σ12​1​+σ22​1​​
新函数等价于正态分布 N ( μ , σ 2 ) N(\mu,\sigma^2) N(μ,σ2) 的概率密度函数乘以缩放因子 A A A 。其中，缩放因子 A = e − ( μ 1 − μ 2 ) 2 2 ( σ 1 2 + σ 2 2 ) 2 π ( σ 1 2 + σ 2 2 ) A=\frac{e^{-\frac{\left(\mu_1-\mu_2\right)^2}{2(\sigma_1^2+\sigma_2^2)}}}{\sqrt{2\pi\left( \sigma_1^2+\sigma_2^2\right)}} A=2π(σ12​+σ22​) ​e−2(σ12​+σ22​)(μ1​−μ2​)2​​

3.2 多元高斯分布相乘

μ = Σ ( Σ 1 − 1 μ 1 + Σ 2 − 1 μ 2 ) Σ = ( Σ 1 − 1 + Σ 2 − 1 ) − 1 \begin{aligned} \boldsymbol \mu & = \boldsymbol{\varSigma }\left( \boldsymbol{\varSigma }_{1}^{-1}\boldsymbol{\mu }_1+\boldsymbol{\varSigma }_{2}^{-1}\boldsymbol{\mu }_2 \right) \\ \boldsymbol \Sigma &= { \left (\boldsymbol \Sigma^{-1}_1 + \boldsymbol \Sigma^{-1}_2 \right )}^{-1} \end{aligned} μΣ​=Σ(Σ1−1​μ1​+Σ2−1​μ2​)=(Σ1−1​+Σ2−1​)−1​

3.3 高斯分布相加

两个高斯分布函数直接相加，很明显不是一个高斯函数。如果两个满足高斯分布的随机变量相加，那么他们的和还是一个高斯分布。具体的，如果 X ∼ N ( μ X , σ X 2 ) X\sim N(\mu _{X},\sigma _{X}^{2}) X∼N(μX​,σX2​), Y ∼ N ( μ Y , σ Y 2 ) Y\sim N(\mu _{Y},\sigma _{Y}^{2}) Y∼N(μY​,σY2​)， Z = X + Y Z=X+Y Z=X+Y 那么 Z ∼ N ( μ X + μ Y , σ X 2 + σ Y 2 ) Z\sim N(\mu _{X}+\mu _{Y},\sigma _{X}^{2}+\sigma _{Y}^{2}) Z∼N(μX​+μY​,σX2​+σY2​)

需要用到卷积运算： ( f ∗ g ) ( n ) = ∫ − ∞ ∞ f ( τ ) g ( n − τ ) d τ \displaystyle (f*g)(n)=\int_{-\infty}^{\infty}f(\tau)g(n-\tau)d\tau (f∗g)(n)=∫−∞∞​f(τ)g(n−τ)dτ

F Z ( z ) = P ( Z ≤ z ) = P ( X + Y ≤ z ) = ∬ x + y ≤ z f ( x , y ) d x d y = ∫ − ∞ ∞ d x ∫ − ∞ z − x f ( x , y ) d y = 令u=y+x ∫ − ∞ ∞ d x ∫ − ∞ z f ( x , u − x ) d u = ∫ − ∞ z d u ∫ − ∞ ∞ f ( x , u − x ) d x \begin{aligned} F_{Z}(z) &=P(Z\leq z)=P(X+Y\leq z)\\ &=\iint_{x+y\leq z}f(x,y)dxdy\\ &=\int_{-\infty}^{\infty}dx\int_{-\infty}^{z-x}f(x,y)dy\\ &\overset{\text{令u=y+x}}{=}\int_{-\infty}^{\infty}dx\int_{-\infty}^{z}f(x,u-x)du\\ &=\int_{-\infty}^{z}du\int_{-\infty}^{\infty}f(x,u-x)dx\\ \end{aligned} FZ​(z)​=P(Z≤z)=P(X+Y≤z)=∬x+y≤z​f(x,y)dxdy=∫−∞∞​dx∫−∞z−x​f(x,y)dy=令u=y+x∫−∞∞​dx∫−∞z​f(x,u−x)du=∫−∞z​du∫−∞∞​f(x,u−x)dx​ 所以，Z的概率密度函数为：
f Z ( z ) = ∫ − ∞ ∞ f ( x , z − x ) d x f_Z(z) = \int_{-\infty}^{\infty}f(x,z-x)dx fZ​(z)=∫−∞∞​f(x,z−x)dx当 X ， Y X，Y X，Y为独立随机变量时， Z Z Z的概率密度为 f Z ( z ) = ∫ − ∞ ∞ f Y ( z − x ) f X ( x ) d x {\displaystyle f_{Z}(z)=\int _{-\infty }^{\infty }f_{Y}(z-x)f_{X}(x)\,dx} fZ​(z)=∫−∞∞​fY​(z−x)fX​(x)dx

法二：使用特征函数证明
高斯分布的特征函数为： φ ( t ) = exp ⁡ ( i t μ − σ 2 t 2 2 ) \varphi (t)=\exp \left(it\mu -{\sigma ^{2}t^{2} \over 2}\right) φ(t)=exp(itμ−2σ2t2​)所以，
φ X + Y ( t ) = E ⁡ ( e i t ( X + Y ) ) = φ X ( t ) φ Y ( t ) = exp ⁡ ( i t μ X − σ X 2 t 2 2 ) exp ⁡ ( i t μ Y − σ Y 2 t 2 2 ) = exp ⁡ ( i t ( μ X + μ Y ) − ( σ X 2 + σ Y 2 ) t 2 2 ) . {\displaystyle {\begin{aligned}\varphi _{X+Y}(t)=\operatorname {E} \left(e^{it(X+Y)}\right)= \varphi _{X}(t)\varphi _{Y}(t)&=\exp \left(it\mu _{X}-{\sigma _{X}^{2}t^{2} \over 2}\right)\exp \left(it\mu _{Y}-{\sigma _{Y}^{2}t^{2} \over 2}\right)\\[6pt]&=\exp \left(it(\mu _{X}+\mu _{Y})-{(\sigma _{X}^{2}+\sigma _{Y}^{2})t^{2} \over 2}\right).\end{aligned}}} φX+Y​(t)=E(eit(X+Y))=φX​(t)φY​(t)​=exp(itμX​−2σX2​t2​)exp(itμY​−2σY2​t2​)=exp(it(μX​+μY​)−2(σX2​+σY2​)t2​).​

3.4 高斯线性模型

p ( x ) = N ( μ 0 , Σ 0 ) p ( y ∣ x ) = N ( A x + b , Σ y ) \begin{align*} p(x)=\mathcal{N}(\mathbf{\mu_0,\Sigma_0})\\ p(y\vert x)=\mathcal{N}(A\mathcal{x}+b,\Sigma_y) \end{align*} p(x)=N(μ0​,Σ0​)p(y∣x)=N(Ax+b,Σy​)​

---

4. 高斯分布性质

多元正态分布有4种等价的定义。

定义1–由标准正态随机向量线性组合得到

设 U = ( U 1 , U 2 , ⋯ , U q ) ′ U=\left(U_{1}, U_{2}, \cdots, U_{q}\right)^{\prime} U=(U1​,U2​,⋯,Uq​)′ 为随机向量， U 1 , ⋯ , U q U_{1}, \cdots, U_{q} U1​,⋯,Uq​ 独立服从标准正态。设 μ \mu μ 为 p p p 维常数向量， A A A 为 p × q p \times q p×q 维常数矩阵，则称 X = A U + μ X=A U+\mu X=AU+μ 的分布为 p p p 元正态分布，或称 X X X 为 p p p 维正态随机向量，记作 X ∼ N p ( μ , A A ′ ) X \sim N_{p}\left(\mu, A A^{\prime}\right) X∼Np​(μ,AA′)

性质1–特征函数

在概率论中，任何随机变量的特征函数（ch.f）完全定义了它的概率分布。在实直线上，它由以下公式给出，其中X是任何具有该分布的随机变量： φ X ( t ) = E [ e i t X ] \varphi _ X(t) = E[e^{itX}] φX​(t)=E[eitX]
φ X ( t ) = E [ e i t X ] = ⏞ 泰勒展开 E ( 1 + i t X 1 − t 2 X 2 2 ! + ⋯ + ( i t ) n X n n ! ) = E ( 1 ) + E ( i t X 1 ) − E ( t 2 X 2 2 ! ) + ⋯ + E ( ( i t ) n X n n ! ) = 1 + i t E [ X ] ⏞ 一阶矩 1 − t 2 E [ X 2 ] ⏞ 二阶矩 2 ! + ⋯ + ( i t ) n E [ X n ] ⏞ n阶矩 n ! ) \begin{aligned} \varphi_X(t) &= E[e^{itX}]\\ &\overbrace{=}^{\text{泰勒展开}} E(1 + \frac{it X}{1} - \frac{t^2 X^2}{2!} + \cdots + \frac{(it)^n X^n}{n!})\\ &= E(1) + E(\frac{it X}{1}) - E(\frac{t^2 X^2}{2!}) + \cdots + E(\frac{(it)^n X^n}{n!})\\ &= 1 + \frac{it \overbrace{E[X]}^{\text{一阶矩}}}{1} - \frac{t^2 \overbrace{E[X^2]}^{\text{二阶矩}}}{2!} + \cdots + \frac{(it)^n \overbrace{E[X^n]}^{\text{n阶矩}}}{n!}) \end{aligned} φX​(t)​=E[eitX]= 泰勒展开E(1+1itX​−2!t2X2​+⋯+n!(it)nXn​)=E(1)+E(1itX​)−E(2!t2X2​)+⋯+E(n!(it)nXn​)=1+1itE[X] ​一阶矩​​−2!t2E[X2] ​二阶矩​​+⋯+n!(it)nE[Xn] ​n阶矩​​)​

k k k阶原点矩: E [ X k ] 或  A k = 1 n ∑ i = 1 n X i k , k = 1 , 2 , ⋯ E[X^k] \ 或 \ A_k=\frac{1}{n}\sum_{i=1}^{n}X_i^k,\quad k=1,2,\cdots E[Xk] 或 Ak​=n1​∑i=1n​Xik​,k=1,2,⋯
k k k阶中心矩: E [ ( X − E ( X ) ) k ] 或  A k = 1 n ∑ i = 1 n ( X i − X ˉ ) k , k = 2 , 3 , ⋯ E[(X-E(X))^k] \ 或 \ A_k=\frac{1}{n}\sum_{i=1}^{n}(X_i-\bar{X})^k,\quad k=2,3,\cdots E[(X−E(X))k] 或 Ak​=n1​∑i=1n​(Xi​−Xˉ)k,k=2,3,⋯

可见特征函数包含了分布函数的所有矩（moment），也就是包含了分布函数的所有特征。
所以，特征函数其实是随机变量 X X X 的分布的另外一种描述方式。
假设某连续随机变量 X X X的概率密度函数为 f ( x ) f(x) f(x)，那么可知： E ( X ) = ∫ − ∞ + ∞ x f ( x ) d x E(X)=\int _{-\infty }^{+\infty }xf(x)dx E(X)=∫−∞+∞​xf(x)dx，特征函数为:
φ X ( t ) = E [ e i t X ] = ∫ − ∞ + ∞ e i t x f ( x ) d x \begin{aligned} \varphi _ X(t) = E[e^{itX}] = \int _{-\infty }^{+\infty }e^{itx}f(x)dx \end{aligned} φX​(t)=E[eitX]=∫−∞+∞​eitxf(x)dx​ 特征函数把分布函数换到另外一个坐标系，也可以获得一些计算的好处：

• 假如我们不知道分布函数，但是通过实验算出了期望、方差、偏度、峰度等，那么可以用特征函数去代替分布函数
• 两个分布函数的卷积 f ∗ g f*g f∗g 通过特征函数更换坐标系后，可以变为更容易计算的乘法： φ ( f ∗ g ) = φ ( f ) φ ( g ) \varphi (f*g)=\varphi (f)\varphi (g) φ(f∗g)=φ(f)φ(g)
• 通过对 t t t 求导，可以简单求出各阶矩： φ X ( k ) ( 0 ) = i k E [ X k ] \varphi _{X}^{(k)}(0)=i^{k}E[X^{k}] φX(k)​(0)=ikE[Xk]

由定义1得到的随机向量 X X X 的特征函数为
Φ X ( t ) = exp ⁡ [ i t ′ μ − 1 2 t ′ A A ′ t ] \Phi_{X}(t)=\exp \left[i t^{\prime} \mu-\frac{1}{2} t^{\prime} A A^{\prime} t\right] ΦX​(t)=exp[it′μ−21​t′AA′t]其中 t = ( t 1 , ⋯ , t p ) ′ ∈ R p t=\left(t_{1}, \cdots, t_{p}\right)^{\prime} \in \mathbb{R}^{p} t=(t1​,⋯,tp​)′∈Rp
证明：首先考虑一维标准正态分布的特征函数为 Φ U i ( t i ) = exp ⁡ [ − 1 2 t i 2 ] \Phi_{U_{i}}\left(t_{i}\right)=\exp \left[-\frac{1}{2} t_{i}^{2}\right] ΦUi​​(ti​)=exp[−21​ti2​]
根据独立性有
Φ U ( t ) = exp ⁡ [ − 1 2 ∑ i = 1 q t i 2 ] = exp ⁡ [ − 1 2 t ′ t ] \Phi_{U}(t)=\exp \left[-\frac{1}{2} \sum_{i=1}^{q} t_{i}^{2}\right]=\exp \left[-\frac{1}{2} t^{\prime} t\right] ΦU​(t)=exp[−21​i=1∑q​ti2​]=exp[−21​t′t]进而根据 X 的定义得到
Φ X ( t ) = E [ exp ⁡ { i t ′ X } ] = E [ exp ⁡ { i t ′ ( A U + μ ) } ] = E [ exp ⁡ { i t ′ μ } ] E [ exp ⁡ { i t ′ A U } ] = E [ exp ⁡ { i t ′ μ } ] E [ exp ⁡ { i ( A ′ t ) ′ U } ] \begin{aligned} \Phi_{X}(t) &=E[\exp\left\{i t^{\prime} X\right\}]=E[\exp \left\{i t^{\prime}(A U+\mu)\right\}] \\ &=E[\exp \left\{i t^{\prime} \mu\right\}] E[\exp \left\{i t^{\prime} A U\right\}]=E[\exp \left\{i t^{\prime} \mu\right\}]E [\exp \left\{i\left(A^{\prime} t\right)^{\prime} U\right\}] \end{aligned} ΦX​(t)​=E[exp{it′X}]=E[exp{it′(AU+μ)}]=E[exp{it′μ}]E[exp{it′AU}]=E[exp{it′μ}]E[exp{i(A′t)′U}]​其中 E [ exp ⁡ { i ( A ′ t ) ′ U } ] E[\exp \left\{i\left(A^{\prime} t\right)^{\prime} U\right\}] E[exp{i(A′t)′U}] 即 Φ U ( A ′ t ) \Phi_{U}(A^{\prime}t) ΦU​(A′t) ，代入即得结论.

定义2–由特征函数定义

如果随机向量 X 的特征函数具有如下形式 Φ X ( t ) = exp ⁡ [ i t ′ μ − 1 2 t ′ Σ t ] \Phi_{X}(t)=\exp \left[i t^{\prime} \mu-\frac{1}{2} t^{\prime} \Sigma t\right] ΦX​(t)=exp[it′μ−21​t′Σt], 则称 X X X 服从 p p p 维正态分布，记作 X ∼ N p ( μ , Σ ) X \sim N_{p}(\mu, \Sigma) X∼Np​(μ,Σ)

性质2–正态随机向量任意线性变换仍服从正态分布

设 X ∼ N p ( μ , Σ ) X \sim N_{p}(\mu, \Sigma) X∼Np​(μ,Σ)，令 Z = B X + d Z=B X+d Z=BX+d ，则 Z ∼ N s ( B μ + d , B Σ B ′ ) Z \sim N_{s}\left(B \mu+d, B \Sigma B^{\prime}\right) Z∼Ns​(Bμ+d,BΣB′) ，其中 B B B 为 s × q s \times q s×q 维矩阵， d d d 为 s s s 维向量.

推论–子向量的均值与协方差：

设 X = [ X ( 1 ) X ( 2 ) ] r p − r ∼ N p ( μ , Σ ) X=\left[\begin{array}{c} X^{(1)} \\ X^{(2)} \end{array}\right] \quad \begin{array}{c} r \\ p-r \end{array} \sim N_{p}(\mu, \Sigma) X=[X(1)X(2)​]rp−r​∼Np​(μ,Σ) ，将 μ \mu μ, Σ \Sigma Σ 分为
μ = [ μ ( 1 ) μ ( 2 ) ] r p − r , Σ = [ Σ 11 Σ 12 Σ 21 Σ 22 ] r p − r \mu=\left[\begin{array}{c} \mu^{(1)} \\ \mu^{(2)} \end{array}\right] \begin{array}{c} r \\ p-r \end{array}, \Sigma=\left[\begin{array}{cc} \Sigma_{11} & \Sigma_{12} \\ \Sigma_{21} & \Sigma_{22} \end{array}\right] \begin{array}{c} r \\ p-r \end{array} μ=[μ(1)μ(2)​]rp−r​,Σ=[Σ11​Σ21​​Σ12​Σ22​​]rp−r​ 则有 X ( 1 ) ∼ N r ( μ ( 1 ) , Σ 11 ) , X ( 2 ) ∼ N p − r ( μ ( 2 ) , Σ 22 ) X^{(1)} \sim N_{r}\left(\mu^{(1)}, \Sigma_{11}\right), X^{(2)} \sim N_{p-r}\left(\mu^{(2)}, \Sigma_{22}\right) X(1)∼Nr​(μ(1),Σ11​),X(2)∼Np−r​(μ(2),Σ22​)
注意： Σ 12 ≠ Σ 21 \Sigma_{12} \neq \Sigma_{21} Σ12​=Σ21​ ，两者互为转置

性质3–多元正态 ⇔ \Leftrightarrow ⇔ 任意线性组合为一元正态

设 X = ( X 1 , X 2 , ⋯ , X p ) ′ X=\left(X_{1}, X_{2}, \cdots, X_{p}\right)^{\prime} X=(X1​,X2​,⋯,Xp​)′ 为 p p p 维随机向量，则 X X X 服从 p p p 元正态分布等价于对任意 p p p 维实向量， ξ = a ′ X \xi=a^{\prime} X ξ=a′X 是一维正态随机变量.
证明：
当 X 为 p 元正态分布，由性质2知 ξ \xi ξ 为一维正态随机变量。
反之，如果对任意 a a a 有 ξ = a ′ X \xi=a^{\prime} X ξ=a′X 为一维正态随机变量，则 ξ \xi ξ 各阶矩存在，进而 X X X 的均值和协方差存在，分别设为 μ , Σ \mu,\Sigma μ,Σ ，则
ξ = a ′ X ∼ N ( a ′ μ , a ′ Σ a ) \xi=a^{\prime} X \sim N\left(a^{\prime} \mu, a^{\prime} \Sigma a\right) ξ=a′X∼N(a′μ,a′Σa) 进而考察 X 的特征函数得到
Φ X ( a ) = exp ⁡ [ i a ′ X ] = exp ⁡ [ i ξ ] = Φ ξ ( 1 ) = exp ⁡ [ i a ′ μ − 1 2 a ′ Σ a ] \Phi_{X}(a)=\exp \left[i a^{\prime} X\right]=\exp [i \xi]=\Phi_{\xi}(1)=\exp \left[\mathrm{i} a^{\prime} \mu-\frac{1}{2} a^{\prime} \Sigma a\right] ΦX​(a)=exp[ia′X]=exp[iξ]=Φξ​(1)=exp[ia′μ−21​a′Σa] 刚好等于多元正态的特征函数，由特征函数与分布的一一对应得到结论.

定义3–任意线性组合为正态

如果 p p p 维随机向量 X X X 的任意线性组合均服从一元正态分布，则称 X X X 为 p p p 维正态随机向量.

性质4–联合密度函数

如果 X ∼ N p ( μ , Σ ) X \sim N_{p}(\mu, \Sigma) X∼Np​(μ,Σ) 且 Σ > 0 \Sigma>0 Σ>0 ，则 X X X 的联合密度函数为
f ( x ) = 1 ( 2 π ) p / 2 ∣ Σ ∣ 1 / 2 exp ⁡ [ − 1 2 ( x − μ ) ′ Σ − 1 ( x − μ ) ] f(x)=\frac{1}{(2 \pi)^{p / 2}|\Sigma|^{1 / 2}} \exp \left[-\frac{1}{2}(x-\mu)^{\prime} \Sigma^{-1}(x-\mu)\right] f(x)=(2π)p/2∣Σ∣1/21​exp[−21​(x−μ)′Σ−1(x−μ)]

定义4–密度函数

如果 p p p 维随机向量 X X X 的联合密度函数为
f ( x ) = 1 ( 2 π ) p / 2 ∣ Σ ∣ 1 / 2 exp ⁡ [ − 1 2 ( x − μ ) ′ Σ − 1 ( x − μ ) ] f(x)=\frac{1}{(2 \pi)^{p / 2}|\Sigma|^{1 / 2}} \exp \left[-\frac{1}{2}(x-\mu)^{\prime} \Sigma^{-1}(x-\mu)\right] f(x)=(2π)p/2∣Σ∣1/21​exp[−21​(x−μ)′Σ−1(x−μ)] 则称 X X X 为 p p p 维正态随机向量.
注意：定义4要求 Σ > 0 \Sigma>0 Σ>0 ，其他三个只要求 Σ ≥ 0 \Sigma \geq0 Σ≥0 ，一般也不考虑 X X X 为退化随机向量的情况.

4. 高斯条件分布和独立性

仅讨论 Σ ≥ 0 \Sigma \geq0 Σ≥0 (即半正定) 的情形

定理1–正态随机向量的独立性等价于协方差为0矩阵

定理2–条件分布

设 X = [ X ( 1 ) X ( 2 ) ] r p − r ∼ N p ( μ , Σ ) ( Σ > 0 ) X=\left[\begin{array}{c}X^{(1)} \\ X^{(2)}\end{array}\right] \begin{array}{c}r \\ p-r\end{array} \sim N_{p}(\mu, \Sigma)(\Sigma>0) X=[X(1)X(2)​]rp−r​∼Np​(μ,Σ)(Σ>0) ，则当 X ( 2 ) = x ( 2 ) X^{(2)}=x^{(2)} X(2)=x(2) 给定时， X ( 1 ) X^{(1)} X(1) 的条件分布为
( X ( 1 ) ∣ X ( 2 ) = x ( 2 ) ) ∼ N r ( μ 1 ⋅ 2 , Σ 11 ⋅ 2 ) \left(X^{(1)} \mid X^{(2)}=x^{(2)}\right) \sim N_{r}\left(\mu_{1 \cdot 2}, \Sigma_{11 \cdot 2}\right) (X(1)∣X(2)=x(2))∼Nr​(μ1⋅2​,Σ11⋅2​)其中
μ 1 ⋅ 2 = μ ( 1 ) + Σ 12 Σ 22 − 1 ( x ( 2 ) − μ ( 2 ) ) Σ 11 ⋅ 2 = Σ 11 − Σ 12 Σ 22 − 1 Σ 21 \begin{aligned} \mu_{1 \cdot 2} &=\mu^{(1)}+\Sigma_{12} \Sigma_{22}^{-1}\left(x^{(2)}-\mu^{(2)}\right) \\ \Sigma_{11 \cdot 2} &=\Sigma_{11}-\Sigma_{12} \Sigma_{22}^{-1} \Sigma_{21} \end{aligned} μ1⋅2​Σ11⋅2​​=μ(1)+Σ12​Σ22−1​(x(2)−μ(2))=Σ11​−Σ12​Σ22−1​Σ21​​
证明：从回归的角度会比较容易理解，理论依据是，在均方意义下，线性回归的结果就是条件期望。将 X 中心化后做回归
X ( 1 ) − μ ( 1 ) = β ′ ( X ( 2 ) − μ ( 2 ) ) + ε X^{(1)}-\mu^{(1)}=\beta^{\prime}\left(X^{(2)}-\mu^{(2)}\right)+\varepsilon X(1)−μ(1)=β′(X(2)−μ(2))+ε

那么 β ′ ( x ( 2 ) − μ ( 2 ) ) \beta^{\prime}\left(x^{(2)}-\mu^{(2)}\right) β′(x(2)−μ(2)) 就是 X ( 1 ) − μ ( 1 ) X^{(1)}-\mu^{(1)} X(1)−μ(1) 的条件期望。现在假设对于每个变量，都有 n n n 个观测数据，并将回归形式改写为 Z t = β ′ R t + ε Z_t=\beta^{\prime}R_t+\varepsilon Zt​=β′Rt​+ε ，那么利用最小二乘估计可以得到参数的估计量为 β = ( R ′ R ) − 1 R ′ Z \beta=\left(R^{\prime} R\right)^{-1} R^{\prime} Z β=(R′R)−1R′Z 。考虑当 n n n 充分大的情况下， ( R ′ R ) − 1 \left(R^{\prime} R\right)^{-1} (R′R)−1 对应了 Σ 22 − 1 ， R ′ Z \Sigma_{22}^{-1} ， R^{\prime} Z Σ22−1​，R′Z 对应了 Σ 21 \Sigma_{21} Σ21​ 进而对 β \beta β 求转置后得到
X ( 1 ) = μ ( 1 ) + Σ 12 Σ 22 − 1 ( X ( 2 ) − μ ( 2 ) ) + ε X^{(1)}=\mu^{(1)}+\Sigma_{12}\Sigma_{22}^{-1}\left(X^{(2)}-\mu^{(2)}\right)+\varepsilon X(1)=μ(1)+Σ12​Σ22−1​(X(2)−μ(2))+ε

因此条件期望就是 μ 1 ⋅ 2 = μ ( 1 ) + Σ 12 Σ 22 − 1 ( x ( 2 ) − μ ( 2 ) ) \mu_{1 \cdot 2}=\mu^{(1)}+\Sigma_{12}\Sigma_{22}^{-1} \left(x^{(2)}-\mu^{(2)}\right) μ1⋅2​=μ(1)+Σ12​Σ22−1​(x(2)−μ(2))

下面考虑条件方差的计算。做回归后得到的误差项 ε \varepsilon ε 是从 X ( 1 ) X^{(1)} X(1) 中剔除了 X ( 2 ) X^{(2)} X(2) 对其的影响，那么条件方差就应该等于误差项的方差，即
Σ 11.2 = Var ⁡ ε = Var ⁡ ( X ( 1 ) − μ ( 1 ) ) − Var ⁡ [ Σ 12 Σ 22 − 1 ( X ( 2 ) − μ ( 2 ) ) ] = Σ 11 − Σ 12 Σ 22 − 1 Σ 22 ( Σ 12 Σ 22 − 1 ) ′ = Σ 11 − Σ 12 Σ 22 − 1 Σ 21 \begin{aligned} \Sigma_{11.2} &=\operatorname{Var} \varepsilon=\operatorname{Var}\left(X^{(1)}-\mu^{(1)}\right)-\operatorname{Var}\left[\Sigma_{12} \Sigma_{22}^{-1}\left(X^{(2)}-\mu^{(2)}\right)\right] \\ &=\Sigma_{11}-\Sigma_{12} \Sigma_{22}^{-1} \Sigma_{22}\left(\Sigma_{12}\Sigma_{22}^{-1}\right)^{\prime}=\Sigma_{11}-\Sigma_{12} \Sigma_{22}^{-1} \Sigma_{21} \end{aligned} Σ11.2​​=Varε=Var(X(1)−μ(1))−Var[Σ12​Σ22−1​(X(2)−μ(2))]=Σ11​−Σ12​Σ22−1​Σ22​(Σ12​Σ22−1​)′=Σ11​−Σ12​Σ22−1​Σ21​​

由此可以自然地得到下面的推论：

X ( 2 ) 与 X ( 1 ) − Σ 12 Σ 22 − 1 X ( 2 ) X^{(2)} 与 X^{(1)}-\Sigma_{12} \Sigma_{22}^{-1} X^{(2)} X(2)与X(1)−Σ12​Σ22−1​X(2) 相互独立
X ( 1 ) 与 X ( 2 ) − Σ 21 Σ 11 − 1 X ( 1 ) X^{(1)} 与 X^{(2)}-\Sigma_{21} \Sigma_{11}^{-1} X^{(1)} X(1)与X(2)−Σ21​Σ11−1​X(1) 相互独立
X ( 2 ) ∣ X ( 1 ) ∼ N p − r ( μ 2 ⋅ 1 , Σ 22 ⋅ 1 ) X^{(2)} \mid X^{(1)} \sim N_{p-r}\left(\mu_{2 \cdot 1}, \Sigma_{22 \cdot 1}\right) X(2)∣X(1)∼Np−r​(μ2⋅1​,Σ22⋅1​), 其中
μ 2 ⋅ 1 = μ ( 2 ) + Σ 21 Σ 11 − 1 ( x ( 1 ) − μ ( 1 ) ) Σ 22 ⋅ 1 = Σ 22 − Σ 21 Σ 11 − 1 Σ 12 \begin{array}{c} \mu_{2 \cdot 1}=\mu^{(2)}+\Sigma_{21} \Sigma_{11}^{-1}\left(x^{(1)}-\mu^{(1)}\right) \\ \Sigma_{22 \cdot 1}=\Sigma_{22}-\Sigma_{21} \Sigma_{11}^{-1} \Sigma_{12} \end{array} μ2⋅1​=μ(2)+Σ21​Σ11−1​(x(1)−μ(1))Σ22⋅1​=Σ22​−Σ21​Σ11−1​Σ12​​

问：如果是三个子向量，给定其中两个，求另一个的条件分布呢？
答：把给定的两个看做一个子向量就可以。

条件数字特征

就是刚刚推导的东西的定义

（1）条件期望，回归系数，偏相关系数
设 X = [ X ( 1 ) X ( 2 ) ] ∼ N p ( [ μ ( 1 ) μ ( 2 ) ] , [ Σ 11 Σ 12 Σ 21 Σ 22 ] ) X=\left[\begin{array}{c} X^{(1)} \\ X^{(2)} \end{array}\right] \sim N_{p}\left(\left[\begin{array}{c} \mu^{(1)} \\ \mu^{(2)} \end{array}\right],\left[\begin{array}{cc} \Sigma_{11} & \Sigma_{12} \\ \Sigma_{21} & \Sigma_{22} \end{array}\right]\right) X=[X(1)X(2)​]∼Np​([μ(1)μ(2)​],[Σ11​Σ21​​Σ12​Σ22​​])

根据定理2有 ( X ( 1 ) ∣ X ( 2 ) = x ( 2 ) ) ∼ N r ( μ 1 ⋅ 2 , Σ 11 ⋅ 2 ) \left(X^{(1)} \mid X^{(2)}=x^{(2)}\right) \sim N_{r}\left(\mu_{1 \cdot 2}, \Sigma_{11 \cdot 2}\right) (X(1)∣X(2)=x(2))∼Nr​(μ1⋅2​,Σ11⋅2​)，我们把
μ 1 ⋅ 2 = μ ( 1 ) + Σ 12 Σ 22 − 1 ( x ( 2 ) − μ ( 2 ) ) \mu_{1 \cdot 2}=\mu^{(1)}+\Sigma_{12} \Sigma_{22}^{-1}\left(x^{(2)}-\mu^{(2)}\right) μ1⋅2​=μ(1)+Σ12​Σ22−1​(x(2)−μ(2))

称为条件期望，记作 E ( X ( 1 ) ∣ X ( 2 ) = x ( 2 ) ) \mathrm{E}\left(X^{(1)} \mid X^{(2)}=x^{(2)}\right) E(X(1)∣X(2)=x(2)) ；把 Σ 12 Σ 22 − 1 = def B \Sigma_{12} \Sigma_{22}^{-1} \stackrel{\text {def}}{=} B Σ12​Σ22−1​=defB 称为回归系数.

为了定义偏回归系数，将条件方差矩阵的元素具体表示为
Σ 11 ⋅ 2 = ( σ i j ) r × r ( i , j = 1 , ⋯ , r ) \Sigma_{11 \cdot 2}=\left(\sigma_{i j }\right)_{r \times r}(i, j=1, \cdots, r) Σ11⋅2​=(σij​)r×r​(i,j=1,⋯,r)

称 ρ i j ⋅ r + 1 , ⋯ , p = σ i j σ i i σ j j \rho_{i j \cdot r+1, \cdots, p}=\frac{\sigma_{i j }}{\sqrt{\sigma_{i i }} \sqrt{\sigma_{j j }}} ρij⋅r+1,⋯,p​=σii​ ​σjj​ ​σij​​ 为偏相关系数，即为 X ( 2 ) = ( X r + 1 , ⋯ , X p ) ′ X^{(2)}=\left(X_{r+1}, \cdots, X_{p}\right)^{\prime} X(2)=(Xr+1​,⋯,Xp​)′ 给定的条件下， X i , X j X_{i},X_{j} Xi​,Xj​ 的相关系数.

（2）全相关系数（了解）
设 Z = [ X Y ] p 1 ∼ N p + 1 ( [ μ X μ y ] , [ Σ X X Σ X y Σ y X σ y y ] ) Z=\left[\begin{array}{l} X \\ Y \end{array}\right] \begin{array}{l} p \\ 1 \end{array} \sim N_{p+1}\left(\left[\begin{array}{c} \mu_{X} \\ \mu_{y} \end{array}\right],\left[\begin{array}{cc} \Sigma_{X X} & \Sigma_{X y} \\ \Sigma_{y X} & \sigma_{y y} \end{array}\right]\right) Z=[XY​]p1​∼Np+1​([μX​μy​​],[ΣXX​ΣyX​​ΣXy​σyy​​])，则称
R = ( ∑ y X Σ X X − 1 Σ X y σ y y ) 1 / 2 R=\left(\frac{\sum_{y X} \Sigma_{X X}^{-1} \Sigma_{X y}}{\sigma_{y y}}\right)^{1 / 2} R=(σyy​∑yX​ΣXX−1​ΣXy​​)1/2

为 Y Y Y 与 X = ( X 1 , ⋯ , X p ) ′ X=\left(X_{1}, \cdots, X_{p}\right)^{\prime} X=(X1​,⋯,Xp​)′ 的全相关系数.

（3）最佳预测
记 X ( 1 ) = Y , g ( x ( 2 ) ) = E ( Y ∣ X ( 2 ) = x ( 2 ) ) X^{(1)}=Y, g\left(x^{(2)}\right)=E\left(Y \mid X^{(2)}=x^{(2)}\right) X(1)=Y,g(x(2))=E(Y∣X(2)=x(2)) ，则对任意函数 ϕ ( ⋅ ) \phi(\cdot) ϕ(⋅) ，可以证明
E [ ( Y − g ( x ( 2 ) ) ) 2 ] ≤ E [ ( Y − ϕ ( x ( 2 ) ) ) 2 ] E\left[\left(Y-g\left(x^{(2)}\right)\right)^{2}\right] \leq E\left[\left(Y-\phi\left(x^{(2)}\right)\right)^{2}\right] E[(Y−g(x(2)))2]≤E[(Y−ϕ(x(2)))2]

也就是在均方准则下，条件期望是最优预测，证明方法就是加一项减一项，往证交叉项为0.

5. 高斯过程

高斯过程(Gaussian process, GP) 是一个概率统计学上的概念，更确切的说应该是随机过程(Stochastic process)中一个特殊例子。
在高斯过程中，连续输入空间中每个点都是与一个正态分布的随机变量相关联。此外，这些随机变量的每个有限集合都有一个多元正态分布。高斯过程的分布是所有那些（无限多个）随机变量的联合分布，正因如此，它是连续域（例如时间或空间）的分布。

GP可以被mean和covariance function共同唯一决定其表达式。因为我们知道一个高斯分布可以被mean和variance共同唯一决定，一个多元高斯分布可以对mean vector和covariance matrix共同唯一决定。covariance function被称为核函数kernel，原因就是它捕捉了不同输入点之间的关系，并且反映在了之后样本的位置上。这样的话，就可以做到，利用点与点之间关系，以从输入的训练数据预测未知点的值。

References

多元高斯分布完全解析 -知乎
高斯分布相乘、积分整理
多维高斯分布 -博客园
多维正态分布的最大似然估计 -博客园
高斯性质：多元统计分析第01讲–多元正态分布及参数估计(随机向量，多元正态分布定义，条件分布和独立性）-知乎
高斯条件分布：多元统计分析第02讲（条件分布，随机阵的正态分布，参数估计）
高斯过程通俗理解: 什么是Gaussian process? —— 说说高斯过程与高斯分布的关系
从贝叶斯的角度理解高斯过程回归 -知乎
Sum of normally distributed random variables
第三章·随机向量 ----概率论与数理统计

汇总型：
prml -gitbook