Gaussiana isotrópica
Una Gaussiana isotrópica, también conocida como una distribución distribución normal, 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.
Matemáticamente, una isotrópica distribución gaussiana puede ser representada por la función de densidad de probabilidad (PDF):
f(x) = (1 / (2πσ²)^(n/2)) * exp(-||x – μ||² / (2σ²))
En esta ecuación:
- f(x) es la función de densidad de probabilidad.
- μ es el vector de media, que indica el centro de la distribución.
- σ² es la varianza, que es la misma para todas las dimensiones.
- n es el número de dimensiones.
- ||x – μ|| represents the Distancia Euclidiana 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 aprendizaje automático, 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 estadística bayesiana. Their symmetrical nature allows for easier computations and better intuitions about the behavior of datasets.