一、協方差矩陣
1.1 從方差/協方差到協方差矩陣
根據方差的定義,給定d個隨機變量xk,i=1,2,...,d,則這些隨機變量的方差爲:
σ(xk,xk)=n−11∑i=in(xki−xk)2
其中xki表示隨機變量xk中的第i個觀測樣本,n表示樣本量,每個隨機變量所對應的觀測樣本數均爲n
對於這些隨機變量,我們還可以根據協方差的定義,求出兩兩之間的協方差,即:
σ(xm,xk)=n−11∑i=1n(xmi−xm)(xki−xk)
爲了表示這d個隨機變量兩兩間的相關關係,提出了協方差矩陣的概念,協方差矩陣形式如下:
Σ=⎣⎢⎢⎢⎡σ(x1,x1)σ(x2,x1)⋮σ(xn,x1)σ(x1,x2)σ(x2,x2)⋮σ(xn,x2)……⋱…σ(x1,xn)σ(x2,xn)⋮σ(xn,xn)⎦⎥⎥⎥⎤∈Rd×d
其中,對角線上的元素爲各個隨機變量的方差,非對角線上的元素爲兩兩隨機變量之間的協方差,根據協方差的定義,我們可以知道協方差矩陣是一個對稱矩陣。
1.2 多元正態分佈與線性變換
假設一個向量x服從均值向量爲μ、協方差矩陣爲Σ的多元正態分佈,則:
p(x)=2πΣ1e−21(x−μ)TΣ−1(x−μ)
令該分佈的均值向量爲μ=0,由於指數項外面的係數∣2πΣ∣−21通常是常數,故可將多元正態分佈簡化爲
p(x)∝exp(−21xTΣ−1x)
此時用二元正態分佈實例化這個分佈,令x=(y,z)T,包含兩個隨機變量y和z,則協方差矩陣可寫成如下形式:
Σ=[σ(y,y)σ(z,y)σ(y,z)σ(z,z)]∈R2×2
假設這個協方差矩陣爲單位矩陣,生成若干個隨機數如下圖所示:
在生成的若干個隨機數中,每個點的似然爲:
L(x)∝exp(−21xTx)
對上圖中的每個點都考慮一步線性變換:t=A(x),我們可以得到圖二: