La matrice di covarianza inversa può essere utilizzata per elaborare varianze condizionali e covarianze per distribuzioni gaussiane multivariate. Una domanda precedente fornisce alcuni riferimenti
Ad esempio, per trovare la covarianza condizionale di e dato il valore , dovresti prendere l'angolo in basso a destra della matrice inversa di covarianzaZ X = xYZX= x
( 1- 1-13) e invertirlo nuovamente in ( 32121212)
che in effetti dà la matrice di covarianza di e condizionata dal valore per .Z X = xYZX= x
Allo stesso modo, per trovare la matrice di covarianza condizionale di e dato il valore per , dovresti prendere l'angolo in alto a sinistra della matrice di covarianza inversaY Z = zXYZ= z
(1001) e invertirlo nuovamente in ( 1001)
dicendoti che la covarianza condizionale tra e dato è (e che ciascuna delle loro varianze condizionate è ). Y Z = z 0 1XYZ= z01
Per concludere che questa covarianza zero condizionale implica indipendenza condizionale, devi anche usare il fatto che si tratta di un gaussiano multivariato (come in generale la covarianza zero non implica necessariamente indipendenza). Lo sai dalla costruzione.
Probabilmente sai anche dell'indipendenza condizionale dalla costruzione, poiché ti viene detto che e sono iid, quindi condizionati su un valore particolare per , e sono anche iid . Se si conosce , non ci sono informazioni aggiuntive da che consente di dire nulla sui possibili valori di .ϵ 2 Z = z X = z + ϵ 1 Y = z + ϵ 2 Z = z X Yε1ε2Z=zX= z+ ϵ1Y= z+ϵ2Z= zXY