Gaussiana Isotrópica
Uma Gaussiana isotrópica, também conhecida como uma isotrópica distribuição 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.
Matematicamente, uma isotrópica distribuição Gaussiana pode ser representada pela função de densidade de probabilidade (PDF):
f(x) = (1 / (2πσ²)^(n/2)) * exp(-||x – μ||² / (2σ²))
Nesta equação:
- f(x) é a função de densidade de probabilidade.
- μ é o vetor de média, indicando o centro da distribuição.
- σ² é a variância, que é a mesma para todas as dimensões.
- n é o número de dimensões.
- ||x – μ|| represents the distância 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 aprendizado de máquina, 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 estatísticas bayesianas. Their symmetrical nature allows for easier computations and better intuitions about the behavior of datasets.