已知 ，其高斯概率分布为：
- 显然默认 是一个列向量
-
还需注意的是，当传递进去的是样本矩阵 ，则在计算指数部分时，
-1/2*sum(X/Sigma .* X, 2); 当多元高斯分布退化为一元高斯时，（方差），而不是标准差（standard deviation）
- 这里 也称为马氏距离；
是对一元高斯分布对应的 得拓展； - 多元时的 （z-分数），
- d=1，68%
- d=2，95%
- d=3, 99%
3σ rule for multivariate normal distribution
1. 条件高斯分布（Conditional Gaussian distributions）
Multivariate normal distribution - Wikipedia
2. 编程时的技巧
3. 多元高斯概率密度函数的 matlab 实现
function p = gaussProb(X, mu, Sigma)
d = size(Sigma, 2);
X = bsxfun(@minus, X, mu(:)');
log1 = -d/2*log(2*pi)-1/2*logdet(Sigma);
log2 = -1/2*sum(X/Sigma .* X, 2);
p = exp(log1+log2);
end- 这里的 （样本矩阵）以行为样本；