Gauss Prabability Process, Gaussian Random Process   가우스 확률과정, 가우시안 랜덤과정

(2023-11-21)

1. 가우스 확률과정

  ㅇ 어떠한 n개의 임의 시간 t1,t2,...,tn에서, 랜덤변수 X(t1),X(t2),...,X(tn)들이, 
     결합적 가우시안 분포(Jointly Gaussian)를 갖을 때, 이를 가우시안 확률과정이라고 함


2. 가우스 확률과정 특징

  ㅇ 가우스 확률과정선형 연산은 또다른 가우스 확률과정이됨

  ㅇ 2개 랜덤변수(X,Y)에 대한 결합 가우시안 확률밀도함수(PDF)
      
[# f_{XY}(x,y) = \frac{1}{2π\,σ_Xσ_Y\sqrt{1-ρ^2}} \; \exp \left\{ -\frac{1}{2(1-ρ^2)} \left[ \left( \frac{x-μ_X}{σ_X} \right)^2 - \frac{2ρ(x-μ_X)(y-μ_Y)}{σ_Xσ_Y} + \left( \frac{y-μ_Y}{σ_Y} \right)^2 \right] \right\} #]
- 여기서, μ : 기대값(평균), σ2 : 분산, ρ : 상관계수
[# μ_X = E[X],\; μ_Y = E[Y],\; σ^2_X = E[(X-μ_X)^2],\; σ^2_Y = E[(Y-μ_Y)^2],\; ρ = E \left[ \frac{(X-μ_X)(Y-μ_Y)}{σ_Xσ_Y} \right] #]
- [참고] 1개 랜덤변수(X)에 대한 단일 가우시안 확률밀도함수
[# f_X(x) = \frac{1}{σ\sqrt{2π}}\;e^{-\frac{(x-μ)^2}{2\,σ^2}} #]
ㅇ N개 랜덤변수에 대한 결합 가우시안 확률밀도함수(PDF) - `확률벡터기대값` 및 `확률벡터의 분산(공분산 행렬)`으로 완전하게 나타낼 수 있음 . 확률벡터기대값 = 평균 벡터(Mean Vector) . 확률벡터의 분산 = 공분산 행렬(Covariance Matrix)

특별한 랜덤과정
   1. 베르누이 과정   2. 포아송 과정   3. 가우스 과정   4. 랜덤 보행   5. 백색 과정  


Copyrightⓒ written by 차재복 (Cha Jae Bok)               기술용어해설 후원
"본 웹사이트 내 모든 저작물은 원출처를 밝히는 한 자유롭게 사용(상업화포함) 가능합니다"