1樓:易夕
這個問題很容易啊,正態分佈的PDF表示式都是已知的,簡單推導一下就知道了啊。
兩個正態分佈的概率密度函式(PDF)分別為
二者相乘得到
可以看到, 可以看成乙個正態分佈 的PDF乘以縮放因子 的結果。其中,縮放因子 ,正態分佈的均值 ,正態分佈的方差 。
用MATLAB驗證一下。
首先,分別計算 和 的PDF函式,並繪製其函式影象。
mu1=1;
sigma1=2
;f=@(
x)normpdf(x
,mu1
,sigma1
);mu2=2
;sigma2=3
;g=@(
x)normpdf(x
,mu2
,sigma2
);fplot(f
,[-10,
10]);
hold
onfplot(g
,[-10,
10]);
然後,計算兩個PDF函式相乘後的函式,並繪製其函式影象。h=
@(x)f
(x).*
g(x);
fplot(h
,[-10,
10]);
從函式影象來看,新函式的形狀與正態分佈的PDF函式很相似
根據前述推導過程,驗證新函式是否與等價於正態分佈 的PDF乘以縮放因子 ,並觀察其函式形狀是否與 相同A=
exp(-(
mu1-
mu2)^2/(
2*sigma1^2+2
*sigma2^2))/
sqrt(2
*pi*(
sigma1^2
+sigma2^2
));mu0=(
mu1*
sigma2^2
+mu2
*sigma1^2)/
(sigma1^2
+sigma2^2
);sigma0=(
sigma1
*sigma2)/
sqrt
(sigma1^2
+sigma2^2
);hn=@(
x)A*
normpdf(x
,mu0
,sigma0
);fplot(hn
,[-10,
10]);
hn函式與h函式的影象重合
進一步地,我們可以進行數值計算,計算兩個函式的值的誤差。可以看到,當自變數為-100:0.
001:100時,函式差值的2範數很小,約為1.6456e-16。
說明,在誤差允許的範圍內,兩個函式是相等的。
norm(hn
(-100:
0.001
:100)-
h(-100
:0.001
:100
));% ans = 1.6456e-16
結論: 兩個分別服從 和 的正態分佈的概率密度函式相乘後,新函式等價於正態分佈 的概率密度函式乘以縮放因子 。其中,縮放因子 ,正態分佈的均值 ,正態分佈的方差 。
2樓:
各位,我來給自己添上乙個回答吧,這篇文章裡面有詳細的證明http://www.
tina-vision.net/docs/me
mos/2003-003.pdf
3樓:劉璐 alue
scaled 說明相乘之後的高斯分布不是真實的概率分布,因為積分結果不是1,但它是個固定的常數,因此並不影響kalman濾波的後續遞推。這是因為kalman濾波關心的是相對值,而不是絕對值。
4樓:wdker
gaussian pdf要求負無窮積分到無窮是1,是概率分布函式,這也是為什麼gaussian pdf前面係數又有sigma啦,有了根號二pi啦。
scaled gaussian pdf我感覺就是積分不一定是1,是gaussian pdf乘以某個常數。
兩個正態分佈相乘,是什麼分布
一 你的問題與描述不符,我沒看出有兩個正態分佈相乘。二 你描述中的問題 為什麼還服從正態分佈 答案是它不服從正態分佈或隨便乙個高斯分布。要回答這個問題 1 你要搞清楚求隨機變數 的函式 的期望 就是這麼求的,這個式子不用知道的分布。簡單而直觀地理解方式就是 這裡我們考慮概率而非概率密度 如果僅能取有...
如何編寫乙個函式判斷兩個函式是否相等?
可以有一種叫 Theorm Prover 的程式做驗證,但要滿足幾個條件。簡要概括就是。被比對的函式是 pure functional 且 total functional,如果 rec 還要保證 terminate,且只由滿足以上條件的函式定義。有提供足夠的 lemma。條件滿足就可以用 indu...
如何理解這兩個函式的區別(Haskell)?
其實沒區別,區別是編譯器造成的,有個叫CAF 的東西,必應谷歌或者Haskell Wiki 中搜尋 Haskell CAF,第二個中的 x 破壞了這個,編譯器,在 O0 下會自動優化 當然,在不要這個 優化的方式就是備忘錄法,memorization,對於第乙個,當你計算第n個數的時候,時間複雜度是...