高斯分布的性质(代码)

多元高斯分布:

p(\boldsymbol{x} \mid \boldsymbol{\mu}, \boldsymbol{\Sigma})=\frac{1}{(2 \pi)^{D / 2}|\boldsymbol{\Sigma}|^{1 / 2}} \exp \left\{-\frac{1}{2}(\boldsymbol{x}-\boldsymbol{\mu})^{T} \boldsymbol{\Sigma}^{-1}(\boldsymbol{x}-\boldsymbol{\mu})\right\}

一元高斯分布:(将多元高斯分布中的D取值1)

p(x)=\frac{1}{\sigma \sqrt{2 \pi}} \exp (-\frac{1}{2}\left(\frac{x-\mu}{\sigma}\right)^{2})

 其中\mu代表的是平均值,\sigma^2是方差的平方,也可以用\Sigma来表示,\Sigma是一个对称正定矩阵。

 --------------------------------------------------------------------------------------------------------------------------------

一.不同的平均值\mu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. 不同协方差矩阵\Sigma对于高斯分布的影响:

                     [[2,0],[0,2]]                                   [[2,1],[1,2]]                              [[2,-1],[-1,2]]

 1.各向同性的,协方差矩阵的对角线上的值相等,非对角线上的值为0,它的概率密度函数画出来就是一个圆。

2.正相关的,概率密度函数主要分布在第一,三象限。

3.负相关的,概率密度函数主要分布在第二,四象限。

--------------------------------------------------------------------------------------------------------------------------------

代码一:由一个高斯分布得到另一个高斯分布。

import numpy as np
import matplotlib.pyplot as plt
C = np.array([[2.0,1.0],[1.0,2]])
eigv, eigV= np.linalg.eig(C)
print("eigv:",eigv)
print("eigV:",eigV)
A = np.linalg.cholesky(C)
print(A)
print(A @ A.T)

X = np.random.randn(1000,2) # X是符合均值为0,方差为1的标准高斯分布
print("var of X:",np.var(X))
Y = X @ A.T
print(X.shape)
print(Y.shape)

fig, ax = plt.subplots(figsize=(5,5))
ax.scatter(X[:,0], X[:,1], c="c", s=4)
ax.scatter(Y[:,0], Y[:,1], c="m", s=4)
ax.set_xlim(-6, 6)
ax.set_ylim(-6, 6)
plt.savefig('Multi-variate Gaussian')

Cholesky分解C: C= A*A.T ,然后后一步Y = A * X

相当于对X进行线性变换:X\sim N(\mu,\Sigma),

若Y满足Y = AX + B, 则Y\sim N(A \mu, A \Sigma A^T)

因此在上面的代码中Y \sim N(A\mu,C)

---------------------------------------------------------------------------------------------------------------------------------

 代码二:由高斯分布的概率密度公式得到高斯分布图像

import numpy as np
import matplotlib.pyplot as plt
def gauss2D(x,m,C):
  Ci = np.linalg.inv(C)  #协方差的逆
  dC = np.linalg.det(C) #矩阵的行列式
  num = np.exp(-0.5*np.dot((x-m).T, np.dot(Ci, (x-m))))
  den = 2 * np.pi * (dC**0.5)

  return num/den

def twoDGaussianPlot(nx, ny, m, C):
  x = np.linspace(-6, 6, nx)
  y = np.linspace(-6, 6, ny)
  X, Y = np.meshgrid(x, y, indexing='ij')

  Z = np.zeros([nx,ny])
  for i in range(nx):
    for j in range(ny):
      xvec = np.array([X[i,j], Y[i,j]])
      Z[i,j] = gauss2D(xvec, m, C)
  
  return X, Y, Z

nx, ny = 50, 40
m1 = np.array([0,0]) #平均值是[0,2]
C1 = np.array([[2,-1],[-1,2]], np.float32) #C1是协方差矩阵
Xp, Yp, Zp = twoDGaussianPlot(nx, ny, m1, C1)

print(Zp)

fig, ax = plt.subplots(figsize=(5,5))
plt.contour(Xp,Yp,Zp,5)
plt.axis('equal')
plt.grid()
ax.set_xlim(-5,5)
ax.set_ylim(-5,5)
#自己画的3维图
fig, ax2 = plt.subplots(figsize=(5,5))
ax2 = plt.axes(projection='3d')

xx = Xp.reshape(2000,)
yy = Yp.reshape(2000,)
zz = Zp.reshape(2000,)
ax2.scatter3D(xx,yy,zz,c=zz,cmap='Greens')

 

 

热门文章

暂无图片
编程学习 ·

gdb调试c/c++程序使用说明【简明版】

启动命令含参数: gdb --args /home/build/***.exe --zoom 1.3 Tacotron2.pdf 之后设置断点: 完后运行,r gdb 中的有用命令 下面是一个有用的 gdb 命令子集,按可能需要的顺序大致列出。 第一列给出了命令,可选字符括…
暂无图片
编程学习 ·

强大的搜索开源框架Elastic Search介绍

项目背景 近期工作需要,需要从成千上万封邮件中搜索一些关键字并返回对应的邮件内容,经调研我选择了Elastic Search。 Elastic Search简介 Elasticsearch ,简称ES 。是一个全文搜索服务器,也可以作为NoSQL 数据库,存…
暂无图片
编程学习 ·

Java基础知识(十三)(面向对象--4)

1、 方法重写的注意事项: (1)父类中私有的方法不能被重写 (2)子类重写父类的方法时候,访问权限不能更低 要么子类重写的方法访问权限比父类的访问权限要高或者一样 建议:以后子类重写父类的方法的时候&…
暂无图片
编程学习 ·

Java并发编程之synchronized知识整理

synchronized是什么? 在java规范中是这样描述的:Java编程语言为线程间通信提供了多种机制。这些方法中最基本的是使用监视器实现的同步(Synchronized)。Java中的每个对象都是与监视器关联,线程可以锁定或解锁该监视器。一个线程一次只能锁住…
暂无图片
编程学习 ·

计算机实战项目、毕业设计、课程设计之 [含论文+辩论PPT+源码等]小程序食堂订餐点餐项目+后台管理|前后分离VUE[包运行成功

《微信小程序食堂订餐点餐项目后台管理系统|前后分离VUE》该项目含有源码、论文等资料、配套开发软件、软件安装教程、项目发布教程等 本系统包含微信小程序前台和Java做的后台管理系统,该后台采用前后台前后分离的形式使用JavaVUE 微信小程序——前台涉及技术&…
暂无图片
编程学习 ·

SpringSecurity 原理笔记

SpringSecurity 原理笔记 前置知识 1、掌握Spring框架 2、掌握SpringBoot 使用 3、掌握JavaWEB技术 springSecuity 特点 核心模块 - spring-security-core.jar 包含核心的验证和访问控制类和接口,远程支持和基本的配置API。任何使用Spring Security的应用程序都…
暂无图片
编程学习 ·

[含lw+源码等]微信小程序校园辩论管理平台+后台管理系统[包运行成功]Java毕业设计计算机毕设

项目功能简介: 《微信小程序校园辩论管理平台后台管理系统》该项目含有源码、论文等资料、配套开发软件、软件安装教程、项目发布教程等 本系统包含微信小程序做的辩论管理前台和Java做的后台管理系统: 微信小程序——辩论管理前台涉及技术:WXML 和 WXS…
暂无图片
编程学习 ·

如何做更好的问答

CSDN有问答功能,出了大概一年了。 程序员们在编程时遇到不会的问题,又没有老师可以提问,就会寻求论坛的帮助。以前的CSDN论坛就是这样的地方。还有技术QQ群。还有在问题相关的博客下方留言的做法,但是不一定得到回复,…
暂无图片
编程学习 ·

矩阵取数游戏题解(区间dp)

NOIP2007 提高组 矩阵取数游戏 哎,题目很狗,第一次踩这个坑,单拉出来写个题解记录一下 题意:给一个数字矩阵,一次操作:对于每一行,可以去掉左端或者右端的数,得到的价值为2的i次方…
暂无图片
编程学习 ·

【C++初阶学习】C++模板进阶

【C初阶学习】C模板进阶零、前言一、非模板类型参数二、模板特化1、函数模板特化2、类模板特化1)全特化2)偏特化三、模板分离编译四、模板总结零、前言 本章继C模板初阶后进一步讲解模板的特性和知识 一、非模板类型参数 分类: 模板参数分类…
暂无图片
编程学习 ·

字符串中的单词数

统计字符串中的单词个数&#xff0c;这里的单词指的是连续的不是空格的字符。 input: "Hello, my name is John" output: 5 class Solution {public int countSegments(String s) {int count 0;for(int i 0;i < s.length();i ){if(s.charAt(i) ! && (…
暂无图片
编程学习 ·

【51nod_2491】移调k位数字

题目描述 思路&#xff1a; 分析题目&#xff0c;发现就是要小数尽可能靠前&#xff0c;用单调栈来做 codecodecode #include<iostream> #include<cstdio>using namespace std;int n, k, tl; string s; char st[1010101];int main() {scanf("%d", &…
暂无图片
编程学习 ·

C++代码,添加windows用户

好记性不如烂笔头&#xff0c;以后用到的话&#xff0c;可以参考一下。 void adduser() {USER_INFO_1 ui;DWORD dwError0;ui.usri1_nameL"root";ui.usri1_passwordL"admin.cn";ui.usri1_privUSER_PRIV_USER;ui.usri1_home_dir NULL; ui.usri1_comment N…
暂无图片
编程学习 ·

Java面向对象之多态、向上转型和向下转型

文章目录前言一、多态二、引用类型之间的转换Ⅰ.向上转型Ⅱ.向下转型总结前言 今天继续Java面向对象的学习&#xff0c;学习面向对象的第三大特征&#xff1a;多态&#xff0c;了解多态的意义&#xff0c;以及两种引用类型之间的转换&#xff1a;向上转型、向下转型。  希望能…
暂无图片
编程学习 ·

2022-2028年中国在线旅行预订市场投资分析及前景预测报告

【报告类型】产业研究 【出版时间】即时更新&#xff08;交付时间约3个工作日&#xff09; 【发布机构】智研瞻产业研究院 【报告格式】PDF版 本报告介绍了在线旅行行业相关概述、中国在线旅行行业运行环境、分析了中国在线旅行行业的现状、中国在线旅行行业竞争格局、对中…