a*s 发帖数: 23 | 1 已知p(X|Y)~N(mu1,sigma1)
p(Y|X)~N(mu2,sigma2)
则p(X,Y)是否一定符合二维高斯分布?如何证明(否定)?
谢谢! |
N**D 发帖数: 10322 | 2 homework?
【在 a*s 的大作中提到】 : 已知p(X|Y)~N(mu1,sigma1) : p(Y|X)~N(mu2,sigma2) : 则p(X,Y)是否一定符合二维高斯分布?如何证明(否定)? : 谢谢!
|
a*s 发帖数: 23 | 3 是一个具体的项目问题,我们观察到了数据在不同维度上都是高斯的
就有了这个猜想
【在 N**D 的大作中提到】 : homework?
|
k******4 发帖数: 73 | 4 不一定是 如果否定的话找个反例就够了:
假设x y 独立 则p(X|Y)=p(X) p(y|x)=p(Y)
然后用课本上的结论:x y分别是正态 但他们的二元分布就不一定是 |
m*****y 发帖数: 9 | 5 这个反例不对。
X,Y是独立,且分别为正态,那么(X,Y)的联合概率密度就是p(x)p(y),为二维正态概率
密度
(\rho=0的情形)。
或者这样理解:X,Y是独立,且分别为正态,则X,Y的任意非0线性组合必为正态,这
等价
于(X,Y)为二维联合正态。
【在 k******4 的大作中提到】 : 不一定是 如果否定的话找个反例就够了: : 假设x y 独立 则p(X|Y)=p(X) p(y|x)=p(Y) : 然后用课本上的结论:x y分别是正态 但他们的二元分布就不一定是
|
a*s 发帖数: 23 | 6 多谢多谢!
【在 k******4 的大作中提到】 : 不一定是 如果否定的话找个反例就够了: : 假设x y 独立 则p(X|Y)=p(X) p(y|x)=p(Y) : 然后用课本上的结论:x y分别是正态 但他们的二元分布就不一定是
|
a*s 发帖数: 23 | 7 yeah, 我想这样应该可以解释了,谢谢!
【在 m*****y 的大作中提到】 : 这个反例不对。 : X,Y是独立,且分别为正态,那么(X,Y)的联合概率密度就是p(x)p(y),为二维正态概率 : 密度 : (\rho=0的情形)。 : 或者这样理解:X,Y是独立,且分别为正态,则X,Y的任意非0线性组合必为正态,这 : 等价 : 于(X,Y)为二维联合正态。
|
y*****t 发帖数: 1367 | 8 两个独立正态变量的乘积服从于正态分布,这用特征函数一步就证明出来了。
【在 k******4 的大作中提到】 : 不一定是 如果否定的话找个反例就够了: : 假设x y 独立 则p(X|Y)=p(X) p(y|x)=p(Y) : 然后用课本上的结论:x y分别是正态 但他们的二元分布就不一定是
|
g********r 发帖数: 8017 | 9 一个等高线是菱形的分布能不能做反例?
【在 a*s 的大作中提到】 : 已知p(X|Y)~N(mu1,sigma1) : p(Y|X)~N(mu2,sigma2) : 则p(X,Y)是否一定符合二维高斯分布?如何证明(否定)? : 谢谢!
|
d*********a 发帖数: 255 | 10 答案是不一定。
例子如下:
Let X=Y~N(0,1), clearly, X|Y, Y|X are normal(They equal to X).
The joint (X,Y)=(X,X) is not normal. why? If yes, X-X=0 should be normal.
Contradiction.
【在 a*s 的大作中提到】 : 已知p(X|Y)~N(mu1,sigma1) : p(Y|X)~N(mu2,sigma2) : 则p(X,Y)是否一定符合二维高斯分布?如何证明(否定)? : 谢谢!
|
|
|
d*********a 发帖数: 255 | 11 你说的不对。
【在 k******4 的大作中提到】 : 不一定是 如果否定的话找个反例就够了: : 假设x y 独立 则p(X|Y)=p(X) p(y|x)=p(Y) : 然后用课本上的结论:x y分别是正态 但他们的二元分布就不一定是
|
d*********a 发帖数: 255 | 12 agree.
【在 m*****y 的大作中提到】 : 这个反例不对。 : X,Y是独立,且分别为正态,那么(X,Y)的联合概率密度就是p(x)p(y),为二维正态概率 : 密度 : (\rho=0的情形)。 : 或者这样理解:X,Y是独立,且分别为正态,则X,Y的任意非0线性组合必为正态,这 : 等价 : 于(X,Y)为二维联合正态。
|
y*****t 发帖数: 1367 | 13 你的例子不成立,如果X=Y,那么X|Y和Y|X就是退化分布,不再是正态了。
【在 d*********a 的大作中提到】 : 答案是不一定。 : 例子如下: : Let X=Y~N(0,1), clearly, X|Y, Y|X are normal(They equal to X). : The joint (X,Y)=(X,X) is not normal. why? If yes, X-X=0 should be normal. : Contradiction.
|
a*s 发帖数: 23 | 14 什么是“退化分布”?第一次听到这个概念
【在 y*****t 的大作中提到】 : 你的例子不成立,如果X=Y,那么X|Y和Y|X就是退化分布,不再是正态了。
|
y*****t 发帖数: 1367 | 15 就是degenerate distribution,也就是几乎处处常数的分布,也就是不再是随机变量
了。
【在 a*s 的大作中提到】 : 什么是“退化分布”?第一次听到这个概念
|
a*s 发帖数: 23 | 16 好,谢了!
【在 y*****t 的大作中提到】 : 就是degenerate distribution,也就是几乎处处常数的分布,也就是不再是随机变量 : 了。
|
a*s 发帖数: 23 | 17 不过回到我的问题,
若X与Y不独立,则该结果是否正确?
有位朋友说是对的,但我一时还没找到他说的书
【在 y*****t 的大作中提到】 : 就是degenerate distribution,也就是几乎处处常数的分布,也就是不再是随机变量 : 了。
|
y*****t 发帖数: 1367 | 18 我有在想,不过没那么容易构造反例,或证明命题成立,容我再想想,再想想。
【在 a*s 的大作中提到】 : 不过回到我的问题, : 若X与Y不独立,则该结果是否正确? : 有位朋友说是对的,但我一时还没找到他说的书
|
a*s 发帖数: 23 | 19 我找到那位朋友说的书了,
粗看一下,也许他是记错了,
上面给的是一个平凡的结论,即若干正态变量的线性组合还是正态的,
这跟我的问题还是有所区别的。
谢谢帮忙。
【在 y*****t 的大作中提到】 : 我有在想,不过没那么容易构造反例,或证明命题成立,容我再想想,再想想。
|
y*****t 发帖数: 1367 | 20 那个还是从二维降到一维下的一个定理,跟你的命题(一维到二维)太不一样了
【在 a*s 的大作中提到】 : 我找到那位朋友说的书了, : 粗看一下,也许他是记错了, : 上面给的是一个平凡的结论,即若干正态变量的线性组合还是正态的, : 这跟我的问题还是有所区别的。 : 谢谢帮忙。
|
|
|
q*****m 发帖数: 31 | |
a*s 发帖数: 23 | |
n****n 发帖数: 772 | |
y*****t 发帖数: 1367 | 24 他书里给出的一个反例,我觉得好像不大对。就是那个联合分布的表达式是正态乘以(
1+xy*indicator function)那个,边际分布是正态没错,不过条件分布好像并不是正态
的。还在研究中...
【在 n****n 的大作中提到】 : 还是定理,呵呵 : 怪不得板上讨论搞不定。
|