의견의 Procrastinator의 링크 (+1)에서와 같이 무차별 힘으로 조건부 밀도를 명시 적으로 계산하여 증명할 수 있습니다. 그러나 다변량 정규 분포의 모든 조건부 분포가 정규적이라는 정리도 있습니다. 따라서 남은 것은 평균 벡터와 공분산 행렬을 계산하는 것입니다. 나는 우리가 대학의 시계열 수업에서 이것을 세 번째 변수를 영리하게 정의하고 그 속성을 사용하여 링크의 무차별 대입 솔루션보다 더 간단하게 결과를 도출함으로써 (대수학에 익숙한 한) 기억했습니다. 나는 메모리에서 가고 있지만 다음과 같았습니다.
하자 이 될 제 파티션 번째. 이제 여기서 . 이제 우리는 쓸 수 있습니다x1x2z=x1+Ax2A=−Σ12Σ−122
cov(z,x2)=cov(x1,x2)+cov(Ax2,x2)=Σ12+Avar(x2)=Σ12−Σ12Σ−122Σ22=0
따라서 와 는 서로 관련이 없으며 공동으로 정상이므로 독립적 입니다. 이제 이므로 분명히 다음과 같습니다.zx2E(z)=μ1+Aμ2
E(x1|x2)=E(z−Ax2|x2)=E(z|x2)−E(Ax2|x2)=E(z)−Ax2=μ1+A(μ2−x2)=μ1+Σ12Σ−122(x2−μ2)
첫 번째 부분을 증명합니다. 공분산 행렬의 경우
var(x1|x2)=var(z−Ax2|x2)=var(z|x2)+var(Ax2|x2)−Acov(z,−x2)−cov(z,−x2)A′=var(z|x2)=var(z)
이제 거의 끝났습니다.
var(x1|x2)=var(z)=var(x1+Ax2)=var(x1)+Avar(x2)A′+Acov(x1,x2)+cov(x2,x1)A′=Σ11+Σ12Σ−122Σ22Σ−122Σ21−2Σ12Σ−122Σ21=Σ11+Σ12Σ−122Σ21−2Σ12Σ−122Σ21=Σ11−Σ12Σ−122Σ21
두 번째 부분을 증명합니다.
참고 : 여기에 사용 된 행렬 대수에 익숙하지 않은 사람들에게 이것은 훌륭한 자료 입니다.
편집 : 여기에 사용 된 하나 개의 특성이 매트릭스 요리 책 (풍어 @FlyingPig)에없는입니다 공분산 행렬에 대한 위키 피 디아 페이지에있는 건물 6 : 입니다 임의의 두 벡터의 , 스칼라의 경우 물론 그러나 벡터의 경우 행렬이 다르게 배열되는 한 서로 다릅니다.x,y
var(x+y)=var(x)+var(y)+cov(x,y)+cov(y,x)
cov(X,Y)=cov(Y,X)