Modèles de Markov triplets en restauration des signaux
Modèles de Markov triplets en restauration des signaux
Modèles de Markov triplets en restauration des signaux
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Annexe CVecteurs gaussi<strong>en</strong>sDéfinition C.1 On dit qu’un vecteur réel aléatoire X=(X 1 ,..,X n ) est un vecteurréel gaussi<strong>en</strong> si et seulem<strong>en</strong>t si pour toute suite <strong>de</strong> réels a=(a 1 ,..a n )∈R n , la variablealéatoire Z=∑ n i=1a i X i est une variable réelle gaussi<strong>en</strong>ne.Remarque C.1 Soit X=(X 1 ,..,X n ) est un vecteur réel gaussi<strong>en</strong> :i) Pour toute i=1,..n X i est une variable réelle gaussi<strong>en</strong>ne <strong>de</strong> loiN(m i ,σ 2 i )ii) Si Y=∑ n i=1α i X i , on a :,V[Y]=E[Y]=n∑i,jn∑i=1α i m iα i α j Cov(X i ,X j )Soit X =(X 1 ,..,X n ) est un vecteur réel gaussi<strong>en</strong>, on appelle espérance <strong>de</strong> X le⎛ m 1 ⎞vecteur m= ⎜ ⋮ ⎟ où m i = E[X i ]. On appelle matrice <strong>de</strong> covariance <strong>de</strong> X la⎝ m n⎠matrice Γ telle que Γ i,j =Cov(X i ,X j ). On note la loi <strong>de</strong> X :X∼N n (m,Γ).Soi<strong>en</strong>t X 1 et X 2 <strong>de</strong>ux vecteurs réels gaussi<strong>en</strong>s <strong>de</strong> dim<strong>en</strong>sions respectives n 1 etn 2 , <strong>de</strong> moy<strong>en</strong>nes respectives m 1 et m 2 et <strong>de</strong> matrices <strong>de</strong> covariances respectives Σ 1,1et Σ 2,2 , tel que le couple X=(X 1 ,X 2 ) est un vecteur réel gaussi<strong>en</strong> <strong>de</strong> moy<strong>en</strong>nem=( m1m 2) et <strong>de</strong> matrice <strong>de</strong> covariance Σ=( Σ1,1 Σ 1,2Σ 2,1 Σ 2,2). La loi p(x2 ∣x 1 ) est unegaussi<strong>en</strong>ne <strong>de</strong> moy<strong>en</strong>ne :et <strong>de</strong> matrice <strong>de</strong> covariance :m 2∣1 =m 2 +Σ 2,1 (Σ 1,1 ) −1 (x 1 −m 1 ),Σ 2∣1 =Σ 2,2 −Σ 2,1 (Σ 1,1 ) −1 Σ 1,2 .127