Isotropische Gaußsche Verteilung
Eine isotrope Gaußsche Verteilung, auch bekannt als eine isotrope Normalverteilung, refers to a specific type of probability distribution characterized by its symmetry and uniformity across all directions in a multidimensional space. In simpler terms, it describes a scenario where data points are clustered around a central mean in such a way that the spread (or variance) of the points is equal in all directions.
Mathematisch gesehen, eine isotrope Gaußsche Verteilung kann durch die Wahrscheinlichkeitsdichtefunktion (PDF) dargestellt werden:
f(x) = (1 / (2πσ²)^(n/2)) * exp(-||x – μ||² / (2σ²))
In dieser Gleichung:
- f(x) ist die Wahrscheinlichkeitsdichtefunktion.
- μ ist der Mittelwertvektor, der das Zentrum der Verteilung angibt.
- σ² ist die Varianz, die für alle Dimensionen gleich ist.
- n ist die Anzahl der Dimensionen.
- ||x – μ|| represents the euklidische Distanz from a point x to the mean μ.
The term ‘isotropic’ means ‘uniform in all directions’. This property makes isotropic Gaussians particularly useful in various fields, including maschinellem Lernen, statistics, and physics, as they simplify the mathematical treatment of multivariate random variables.
In practical applications, isotropic Gaussians can be used for modeling errors, natural phenomena, or as a prior distribution in Bayesianischer Statistik. Their symmetrical nature allows for easier computations and better intuitions about the behavior of datasets.