两个高斯分布相乘的完整结果

两个高斯分布相乘:
N ( x ; μ 1 , ν 1 ) N ( x ; μ 2 , ν 2 ) = 1 2 π ν 1 exp ⁡ ( − ( x − μ 1 ) 2 2 ν 1 ) ⋅ 1 2 π ν 2 exp ⁡ ( − ( x − μ 2 ) 2 2 ν 2 ) = 1 2 π ν 1 ν 2 exp ⁡ { − ν 2 ( x 2 − 2 μ 1 x + μ 1 2 ) 2 ν 1 ν 2 − ν 1 ( x 2 − 2 μ 2 x + μ 2 2 ) 2 ν 1 ν 2 } = 1 2 π ν 1 ν 2 exp ⁡ { − ( ν 1 + ν 2 ) x 2 − 2 ( μ 1 ν 2 + μ 2 ν 1 ) x + μ 1 2 ν 2 + μ 2 2 ν 1 2 ν 1 ν 2 } = 1 2 π ν 1 ν 2 exp ⁡ { − x 2 − 2 ( μ 1 ν 2 + μ 2 ν 1 ) ν 1 + ν 2 x + ( ( μ 1 ν 2 + μ 2 ν 1 ) ν 1 + ν 2 ) 2 + μ 1 2 ν 2 + μ 2 2 ν 1 ν 1 + ν 2 − ( ( μ 1 ν 2 + μ 2 ν 1 ) ν 1 + ν 2 ) 2 2 ν 1 ν 2 ν 1 + ν 2 } = 1 2 π ( ν 1 + ν 2 ) exp ⁡ { − μ 1 2 ν 2 + μ 2 2 ν 1 − ( μ 1 ν 2 + μ 2 ν 1 ) 2 ν 1 + ν 2 2 ν 1 ν 2 } ⋅ 1 2 π ν 1 ν 2 ν 1 + ν 2 exp ⁡ { − ( x − μ 1 ν 2 + μ 2 ν 1 ν 1 + ν 2 ) 2 2 ν 1 ν 2 ν 1 + ν 2 } = 1 2 π ( ν 1 + ν 2 ) exp ⁡ { − ( μ 1 − μ 2 ) 2 2 ( ν 1 + ν 2 ) } ⋅ 1 2 π ν 1 ν 2 ν 1 + ν 2 exp ⁡ { − ( x − μ 1 ν 2 + μ 2 ν 1 ν 1 + ν 2 ) 2 2 ν 1 ν 2 ν 1 + ν 2 } = N ( μ 1 ; μ 2 , ( ν 1 + ν 2 ) ) ⋅ N ( x ; μ 1 ν 2 + μ 2 ν 1 ν 1 + ν 2 , ν 1 ν 2 ν 1 + ν 2 ) \begin{aligned} & \ \ \ \ \mathcal N(x; \mu_1, \nu_1) \mathcal N(x; \mu_2, \nu_2) \\ &= \frac{1}{\sqrt{2 \pi \nu_1}} \exp \left ( - \frac{ (x - \mu_1)^2 }{2 \nu_1} \right ) \cdot \frac{1}{\sqrt{2 \pi \nu_2}} \exp \left ( - \frac{ (x - \mu_2)^2 }{2 \nu_2} \right ) \\ & = \frac{1}{2 \pi \sqrt{ \nu_1 \nu_2}} \exp \left \{ - \frac{ \nu_2 ( x^2 - 2 \mu_1 x + \mu_1^2 ) }{2 \nu_1 \nu_2} - \frac { \nu_1 ( x^2 - 2 \mu_2 x + \mu_2^2 ) }{2 \nu_1 \nu_2} \right \} \\ & = \frac{1}{2 \pi \sqrt{ \nu_1 \nu_2}} \exp \left \{ - \frac{ (\nu_1 + \nu_2) x^2 - 2 (\mu_1 \nu_2 + \mu_2 \nu_1) x + \mu^2_1 \nu_2 + \mu^2_2 \nu_1 }{2 \nu_1 \nu_2} \right \} \\ & = \frac{1}{2 \pi \sqrt{ \nu_1 \nu_2}} \exp \left \{ - \frac{ x^2 - 2 \frac{(\mu_1 \nu_2 + \mu_2 \nu_1)}{\nu_1 + \nu_2} x + \left ( \frac{(\mu_1 \nu_2 + \mu_2 \nu_1)}{\nu_1 + \nu_2} \right)^2 + \frac{\mu^2_1 \nu_2 + \mu^2_2 \nu_1}{\nu_1 + \nu_2} - \left ( \frac{(\mu_1 \nu_2 + \mu_2 \nu_1)}{\nu_1 + \nu_2} \right)^2 }{2 \frac{\nu_1 \nu_2} { \nu_1 + \nu_2 }} \right \} \\ &= \frac{1}{ \sqrt{2 \pi (\nu_1 + \nu_2)} } \exp \left \{ - \frac{\mu^2_1 \nu_2 + \mu^2_2 \nu_1 - \frac {(\mu_1 \nu_2 + \mu_2 \nu_1)^2}{ \nu_1 + \nu_2} } { 2 \nu_1 \nu_2 } \right \} \cdot \frac{1}{\sqrt{2 \pi \frac{\nu_1 \nu_2} { \nu_1 + \nu_2 } }} \exp \left \{ - \frac{ \left( x- \frac{\mu_1 \nu_2 + \mu_2 \nu_1}{\nu_1 + \nu_2} \right)^2 }{ 2 \frac{\nu_1 \nu_2} { \nu_1 + \nu_2 } } \right \} \\ &= \frac{1}{ \sqrt{2 \pi (\nu_1 + \nu_2)} } \exp \left \{ - \frac{ (\mu_1 - \mu_2)^2 }{2 (\nu_1 + \nu_2)} \right \} \cdot \frac{1}{\sqrt{2 \pi \frac{\nu_1 \nu_2} { \nu_1 + \nu_2 } }} \exp \left \{ - \frac{ \left( x- \frac{\mu_1 \nu_2 + \mu_2 \nu_1}{\nu_1 + \nu_2} \right)^2 }{ 2 \frac{\nu_1 \nu_2} { \nu_1 + \nu_2 } } \right \} \\ & = \mathcal N(\mu_1; \mu_2, (\nu_1 + \nu_2)) \cdot \mathcal N(x; \frac{\mu_1 \nu_2 + \mu_2 \nu_1}{\nu_1 + \nu_2}, \frac{\nu_1 \nu_2} { \nu_1 + \nu_2 }) \end{aligned}     N(x;μ1,ν1)N(x;μ2,ν2)=2πν1 1exp(2ν1(xμ1)2)2πν2 1exp(2ν2(xμ2)2)=2πν1ν2 1exp{2ν1ν2ν2(x22μ1x+μ12)2ν1ν2ν1(x22μ2x+μ22)}=2πν1ν2 1exp{2ν1ν2(ν1+ν2)x22(μ1ν2+μ2ν1)x+μ12ν2+μ22ν1}=2πν1ν2 1exp 2ν1+ν2ν1ν2x22ν1+ν2(μ1ν2+μ2ν1)x+(ν1+ν2(μ1ν2+μ2ν1))2+ν1+ν2μ12ν2+μ22ν1(ν1+ν2(μ1ν2+μ2ν1))2 =2π(ν1+ν2) 1exp 2ν1ν2μ12ν2+μ22ν1ν1+ν2(μ1ν2+μ2ν1)2 2πν1+ν2ν1ν2 1exp 2ν1+ν2ν1ν2(xν1+ν2μ1ν2+μ2ν1)2 =2π(ν1+ν2) 1exp{2(ν1+ν2)(μ1μ2)2}2πν1+ν2ν1ν2 1exp 2ν1+ν2ν1ν2(xν1+ν2μ1ν2+μ2ν1)2 =N(μ1;μ2,(ν1+ν2))N(x;ν1+ν2μ1ν2+μ2ν1,ν1+ν2ν1ν2)


N ( x ; μ 1 , ν 1 ) N ( x ; μ 2 , ν 2 ) = N ( μ 1 ; μ 2 , ( ν 1 + ν 2 ) ) ⋅ N ( x ; μ 1 ν 2 + μ 2 ν 1 ν 1 + ν 2 , ν 1 ν 2 ν 1 + ν 2 ) \mathcal N(x; \mu_1, \nu_1) \mathcal N(x; \mu_2, \nu_2) = \mathcal N(\mu_1; \mu_2, (\nu_1 + \nu_2)) \cdot \mathcal N(x; \frac{\mu_1 \nu_2 + \mu_2 \nu_1}{\nu_1 + \nu_2}, \frac{\nu_1 \nu_2} { \nu_1 + \nu_2 }) N(x;μ1,ν1)N(x;μ2,ν2)=N(μ1;μ2,(ν1+ν2))N(x;ν1+ν2μ1ν2+μ2ν1,ν1+ν2ν1ν2)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/173786.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

html学习

1.框架标签 <!DOCTYPE html> <html><head><meta charset"utf-8"><title></title></head><body ><p align"center"><a href "http://www.baidu.com" target"aa">百度&l…

BUUCTF [MRCTF2020]你能看懂音符吗 1

BUUCTF:https://buuoj.cn/challenges 题目描述&#xff1a; 得到的 flag 请包上 flag{} 提交。 感谢Galaxy师傅供题。 密文&#xff1a; 下载附件&#xff0c;得到一个rar压缩包。 解题思路&#xff1a; 1、尝试解压rar压缩包&#xff0c;出现错误无法解压。 使用010 Editor…

唯创知音WTK6900H语音识别芯片:引领语音控制IC技术新标杆

随着人工智能和物联网的飞速发展&#xff0c;语音识别技术已成为人机交互的重要方式。在这个背景下&#xff0c;唯创知音的WTK6900H语音识别芯片应运而生&#xff0c;凭借其在语音技术上的卓越性能&#xff0c;为行业树立了新的标杆。 一、高可靠的唤醒识别率 WTK6900H语音识…

YOLOv7独家原创改进: AKConv(可改变核卷积),即插即用的卷积,效果秒杀DSConv | 2023年11月最新发表

💡💡💡本文全网首发独家改进:可改变核卷积(AKConv),赋予卷积核任意数量的参数和任意采样形状,为网络开销和性能之间的权衡提供更丰富的选择,解决具有固定样本形状和正方形的卷积核不能很好地适应不断变化的目标的问题点,效果秒殺DSConv 1)AKConv替代标准卷积进行…

【面经八股】搜广推方向:面试记录(一)

【面经&八股】搜广推方向:面试记录(一)字节跳动 文章目录 【面经&八股】搜广推方向:面试记录(一)字节跳动1. 自我介绍2. 项目、科研介绍3. 有了解过工业届的推荐模型4. 编程题4.1 手写auc4.2 手写矩阵的逆5. 反问环节1. 自我介绍 。。。 2. 项目、科研介绍 面…

大电流和大电压谁对人体伤害大

突然想起以前看的这个&#xff0c; 网上有很多解答了这个问题&#xff0c;答案是大电流比大电压对人体伤害大。 我之所以重新来写些&#xff0c; 是想起一种有趣的比喻&#xff0c; 这个答案不绝对。 先看一个场景&#xff0c; 一群牛和一头老虎对你冲来&#xff0c; 谁对你的…

免费API接口攻略:发现最新、最热的接口资源

免费API接口攻略&#xff1a;发现最新、最热的接口资源~ 特殊企业基本信息&#xff1a;通过公司名称/公司ID/注册号或社会统一信用代码获取特殊企业基本信息&#xff0c;包含香港公司、社会组织、律所、事业单位、基金会这些特殊企业&#xff0c;不同社会团体所呈现的信息维度…

机器视觉 AI 数据集制作

工业中&#xff0c;机器视觉物体分拣时&#xff0c;需要制作&#xff0c;数据集&#xff0c;那么&#xff0c;一般情况下&#xff0c;可以选择几个物体的几张图片&#xff0c;或者视频&#xff0c;将待识别的物体的掩模扣取出来&#xff0c;随机的贴在 传送带背景中&#xff0c…

VMware上面安装部署centos7镜像系统【详细含镜像】

VMware上面安装部署centos7镜像系统【详细含镜像】 废话不多说直接开始 下载centos7镜像 网上有好多&#xff0c;但是我相信来看小编文章的基本上应该都有centos7的镜像了吧&#xff0c;毕竟咱们都是同一类人&#xff0c;哈哈不卖关子了&#xff0c;小编直接给大家一个百度云盘…

深度学习大数据物流平台 python 计算机竞赛

文章目录 0 前言1 课题背景2 物流大数据平台的架构与设计3 智能车货匹配推荐算法的实现**1\. 问题陈述****2\. 算法模型**3\. 模型构建总览 **4 司机标签体系的搭建及算法****1\. 冷启动**2\. LSTM多标签模型算法 5 货运价格预测6 总结7 部分核心代码8 最后 0 前言 &#x1f5…

【日常总结】优雅升级Swagger 2 升至 3.0, 全局设置 content-type application/json

目录 一、场景 二、问题 三、解决方案 四、延伸 上一节&#xff1a;【日常总结】Swagger-ui 导入 showdoc &#xff08;优雅升级Swagger 2 升至 3.0&#xff09;-CSDN博客 一、场景 接上一节&#xff1a;在 Swagger3Config extends WebMvcConfigurationSupport&#xff0c…

ISO20000认证实施意义

ISO20000认证已经成为越来越多企业关注的焦点。ISO2000作为服务管理体系的标准&#xff0c;其实施意义究竟在哪里呢&#xff1f;本文将围绕这个问题&#xff0c;进行详细的解答。我们也将探讨ISO20000的具体含义、实施ISO认证的条件以及ISO20000的认证流程。 一、ISO20000认证…

P2704 [NOI2001] 炮兵阵地 题解

P2704 题目题目描述输入格式输出格式样例 #1样例输入 #1样例输出 #1提示 解题思路分析Code更多方法 题目 原题链接 题目描述 司令部的将军们打算在 N M N\times M NM 的网格地图上部署他们的炮兵部队。 一个 N M N\times M NM 的地图由 N N N 行 M M M 列组成&#x…

BP算法推导

例子1&#xff1a; 解&#xff1a; 首先有如下结论&#xff1a; E k 1 2 ∑ k 1 n ( z k − f k ( x k ) ) 2 \color{green} E_k \frac{1}{2}\sum_{k1}^{n} ( z_k - f_k(x_k))^2 Ek​21​k1∑n​(zk​−fk​(xk​))2 z k ∑ i 1 , j 1 3 , 2 y i v i j z_k \sum_{i1,j …

C#常见的设计模式-创建型模式

引言 在软件开发过程中&#xff0c;设计模式是一种被广泛采用的思想和实践&#xff0c;可以提供一种标准化的解决方案&#xff0c;以解决特定问题。设计模式分为三种类型&#xff1a;创建型模式、结构型模式和行为型模式。本篇文章将重点介绍C#中常见的创建型模式。 目录 引言…

数据结构与算法编程题26

计算二叉树深度 #define _CRT_SECURE_NO_WARNINGS#include <iostream> using namespace std;typedef char ElemType; #define ERROR 0 #define OK 1 #define Maxsize 100 #define STR_SIZE 1024typedef struct BiTNode {ElemType data;BiTNode* lchild, * rchild; }BiTNo…

传音荣获2023首届全国人工智能应用场景创新挑战赛“智能家居专项赛”三等奖

近日&#xff0c;中国人工智能学会与科技部新一代人工智能发展研究中心联合举办2023首届全国人工智能应用场景创新挑战赛&#xff08;2023 1st China’s Innovation Challenge on Artificial Intelligence Application Scene&#xff0c;以下简称CICAS 2023)&#xff0c;吸引了…

Java基础之面向对象

Java基础之面向对象 一、面向对象1.1、面向对象概念1.2、面向对象的三大特征 二、类与对象2.1、构造方法2.2、创建对象2.3、实例化2.3.1、什么是实例化2.3.2、实例化的过程2.3.3、实例化的用途 三、面向对象三大特征3.1、封装3.1.1、封装概念理解3.1.2、封装目标3.1.3、封装实现…

供配电系统智能化监控

供配电系统智能化监控是指利用先进的监测技术、自动化控制技术、计算机网络技术等&#xff0c;对供配电系统进行实时、全方位的监测和控制&#xff0c;以实现供配电系统的安全、稳定、高效运行。 供配电系统智能化监控的主要功能包括&#xff1a; 实时数据采集&#xff1a;通过…

Cpython编译后再使用Pyinstaller打包

一、Cpython Python是一门解释型语言&#xff0c;当我们想让其他人运行我们的代码时&#xff0c;如果直接将.py源代码发送给他人&#xff0c;那么源代码将没有任何安全性可言&#xff0c;也就是任何一个人都可以打开源代码一看究竟&#xff0c;任何人都可以随意修改源代码。 …