高斯过程的分析(一)

《随机过程》这门课真是受益颇多,老师手推公式也是真的厉害,但其实自己在学习的过程中还是有许多的不懂。但老师的名言就是:你不懂的就把他抄一遍,在付出了辛苦之后,就算不懂也会使劲将它搞懂。所以,我决定还是将它继续写下来,付出劳动之后,印象总是特别深刻。继上回理解了学习高斯过程的动机之后,这一次要开始对高斯过程有个更深入的了解,话说,高斯过程真是一个完美的存在啊。不多说, 就开始记录吧。

高斯过程的基本定义

一元的高斯分布(E(X)=\mu,Var(X)=\sigma^2):

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

二元的高斯分布的联合概率密度函数(PDF)(E(X_1)=\mu_1,E(X_2)=\mu_2,Var(X_1)=\sigma_1,Var(X_2)=\sigma_2,\rho=\frac{E(X_1X_2)}{\sigma_1 \sigma_2}

f_{X_1X_2}=\frac{1}{2\pi \sigma_1 \sigma_2 \sqrt{1-\rho ^2}} \exp(-\frac{1}{2(1-\rho^2)}((\frac{x_1-\mu_1}{\sigma_1} )^2+(\frac{x_2-\mu_2}{\sigma_2} )^2-2\rho \frac{x_1-\mu_1}{\sigma_1} \frac{x_2-\mu_2}{\sigma_2}   )

多元的高斯分布

f_{X}(x)=\frac{1}{(2\pi)^{\frac{n}{2} }\sqrt{det(\Sigma )}}\exp(-\frac{1}{2}  (X-\mu)^T\Sigma ^{-1}(X-\mu))

X=(X_1,X_2...X_n)^T是n元实随机变量,\mu\in \mathbb{R}^n,E(X)=\mu\Sigma 为协方差矩阵\Sigma =E[(X-\mu)^T(X-\mu)]

Gauss过程:设有随机过程X(t),t\in T,如果对于任意的时间t,随机向量\mathbf{X}=(X(t_1),X(t_2)...X(t_n))^T都服从n元高斯分布,则称X(t)为高斯过程。

高阶矩

服从多元高斯分布的随机向量的分布函数仅依赖于一阶矩和二阶矩。可以从一元高斯进行证明,如下所示:

假设X\sim N(0,\sigma^2),那么它的高阶矩为:E(X^n)=\frac{1}{\sqrt{2\pi }\sigma} \int_{-\infty}^{\infty}  x^n \exp(-\frac{x^2}{\sigma^2} )dx,看到这个式子要想求积分就得使用分部积分,通过分部积分找到递推公式,让I_n=E(X^n),那么

I_n = (-\sigma^2)\int_{-\infty}^{\infty} x^{n-1}d\exp(-\frac{x^2}{2\sigma^2})\\=(-\sigma^2)x^{n-1}\exp(-\frac{x^2}{2\sigma^2})|^{\infty}_{-\infty}+(n-1)(\sigma^2)\int_{-\infty}^{\infty} x^{n-2}\exp(-\frac{x^2}{2\sigma^2})dx\\=(n-1)(\sigma^2)\int_{-\infty}^{\infty} x^{n-2}\exp(-\frac{x^2}{2\sigma^2})dx

可以进行多次的分部积分,最后可以推导出以下结果:

I_n = \begin{cases}(n-1)(n-3)...1 \sigma^{2k}  &\quad n=2k\\0         &\quad n=2k+1\end{cases}

由于一阶矩为0,所以他的奇数项为0,二阶矩为方差,所以偶数项与方差有关,由此可以看到,高斯过程的高阶矩只与一阶矩和二阶矩有关。

多元高斯分布的特征函数

前面已经说明了特征函数是解决高斯分布的有效手段之一,但只是推导了一元高斯分布的特征函数是怎样的,现在就来推导一下多元的高斯分布函数。

假设有\mathbf{ \omega }=(\omega_1, \omega_2,...,\omega_n)^T,n元随机向量\mathbf{X} = (x_1, x_2,...,x_n),则它的特征函数为;

\phi _X(\mathbf{\omega }) = E(\exp(j \mathbf{\omega }^TX))\\=E(exp(j\omega_1x_1+j\omega_2x_2+...+j\omega_nx_n))

将上式进行展开,有

\phi _X(\mathbf{\omega })=\int_{-\infty}^{\infty}...\int_{-\infty}^{\infty}f(x_1,...,x_n)  exp(j\omega_1x_1+j\omega_2x_2+...+j\omega_nx_n)dx_1dx_2...dx_n\\=\int_{-\infty}^{\infty}...\int_{-\infty}^{\infty}\frac{1}{(2\pi)^{\frac{n}{2} }\sqrt{det(\Sigma )}}\exp(-\frac{1}{2}  (X-\mu)^T\Sigma ^{-1}(X-\mu)+j\omega ^TX)dx_1...dx_n

对指数次幂中的协方差矩阵进行分解,由于\Sigma 是协方差帧,所以它是对称正定的,对它进行SVD分解,\Sigma =U\Sigma _1V^T=U\Sigma _1U^T,得到:

\Sigma ^{-1} =U\sqrt{\Lambda _1}\sqrt{\Lambda_1}U^T\\=U\sqrt{\Lambda_1}U^TU\sqrt{\Lambda_1}U^T\\=A^TA

因此 (X-\mu)^T\Sigma ^{-1}(X-\mu)=(A(X-\mu))^T(A(X-\mu)),设X=A^{-1}y+\mu,进行积分换元,得到

\phi _X(\mathbf{\omega })=\frac{\sqrt{det(\Sigma )}}{\sqrt{det(\Sigma )}(2\pi)^{n/2}}\int_{\mathbb{R}^n}\exp(j\omega ^T(A^{-1}y+\mu)-\frac{1}{2}y^Ty)dy \\=\frac{\exp(j\omega ^T\mu)}{(2\pi)^{n/2}}\int_{\mathbb{R}^n}\exp(j\omega ^T(A^{-1}y)-\frac{1}{2}y^Ty)dy

对幂指数上进行配方,配方成只包括y的二次项和不包括y的一项,这里就不细写了,对包含y的那一项进行积分就是和前面的分母约掉了,最后得到:

\phi _X(\mathbf{\omega })=\exp(j\omega ^T\mu-\frac{1}{2}\omega ^T\Sigma \omega  )

这就是多元高斯的特征函数的表达。

参考资料

《随机过程及其应用》(第二版)陆大絟 张颢

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,293评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,604评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,958评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,729评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,719评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,630评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,000评论 3 397
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,665评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,909评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,646评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,726评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,400评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,986评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,959评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,197评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,996评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,481评论 2 342

推荐阅读更多精彩内容