29 lines
884 B
Markdown
29 lines
884 B
Markdown
---
|
||
title: "Stein 引理"
|
||
created: 2026-06-22
|
||
updated: 2026-06-22
|
||
type: concept
|
||
tags: [mathematics, probability, statistics]
|
||
sources: [nano-filter]
|
||
---
|
||
|
||
# Stein 引理
|
||
|
||
Stein's lemma 是概率论中一个优雅的结果：对于联合高斯分布的随机变量，协方差可以通过期望的导数来计算。
|
||
|
||
## 基本形式
|
||
|
||
若 $(x, y)$ 服从联合高斯分布，且 $f$ 是几乎处处可微的函数，则：
|
||
|
||
$$
|
||
\text{Cov}(x, f(y)) = \text{Cov}(x, y) \cdot E[f'(y)]
|
||
$$
|
||
|
||
## 在 NANO 中的应用
|
||
|
||
[[nano-filter|NANO filter]] 利用 Stein 引理将 Bayesian 滤波中的预测步和更新步的最优性条件转化为解析形式。具体地，Stein 引理允许将对数似然期望的梯度转化为可计算的矩表达式，从而将两个变分问题约化为有限维优化问题。
|
||
|
||
## 参考
|
||
- [[gaussian-filtering|Gaussian Filtering]]
|
||
- [[nano-filter|NANO Filter]]
|