ガウス・ウィシャート分布を用いれば事後分布が同じ形式になり、便利である。
1次元データの場合の式 と同様に も右から左に見ると、 が分かったら が出る と見ることが可能で、左から右に見た場合は、最初は は既知として良い、という気持ちで式を眺めると。
最初のfix parameterは一次元の場合と同様に であり、これらのパラメータをデータを(あるいはデータの集合)を見るたびに更新していく。
以前と全く同様に、 式では は一旦既知として、データを観測したあとに と のパラメータを更新する。1次元の場合と全く同じ流れで、 を以下のように書き換える。
一次元の場合と同じ流れで、 の事後分布 を求める。 一次元の場合、p.95では を求めるために
を用いて
と表せる。 として
の対数を取り(比例)定数を無視すれば、
の最終結果だけ書くと、
となる。 対称行列は対角化が可能であることにより、トレースを用いた。 を変形し
これを用いて を整理する。途中式はpdf参照。通常のウィシャート分布のlogの形である と比較して、
超パラメータは のようにすれば良いと分かる。
予測分布の更新時にはベイズ公式及び巻末のウッドベリーの公式を用いて、ステューデントのt分布と比較して更新パラメータを割り当てれば良い。