第二百五十七章 高斯分佈（機率和統計）(第2/2頁)
章節報錯
set）內的組合。
高斯過程中任意隨機變數的線性組合都服從正態分佈，每個有限維分佈都是聯合正態分佈，且其本身在連續指數集上的機率密度函式即是所有隨機變數的高斯測度，因此被視為聯合正態分佈的無限維廣義延伸。高斯過程由其數學期望和協方差函式完全決定，並繼承了正態分佈的諸多性質。
高斯過程的例子包括維納過程、奧恩斯坦-烏倫貝克過程等。對高斯過程進行建模和預測是機器學習、訊號處理等領域的重要內容，其中常見的模型包括高斯過程迴歸（Gaussian process Regression， GpR）和高斯過程分類（Gaussian process classification， Gpc）。高斯過程的命名來自德國數學家卡爾·弗里德里希·高斯（carl Friedrich Gauss）以紀念其提出正態分佈概念。
高斯積分是在機率論和連續傅立葉變換等的統一化等計算中有廣泛的應用。在誤差函式的定義中它也出現。雖然誤差函式沒有初等函式，但是高斯積分可以透過微積分學的手段解析求解。高斯積分（Gaussian integral），有時也被稱為機率積分，是高斯函式的積分。它是依德國數學家兼物理學家卡爾·弗里德里希·高斯之姓氏所命名。