在概率论和统计理论中,Hellinger距离被用来度量两个概率分布的相似度。它是f散度的一种(f散度——度量两个概率分布相似度的指标)。Hellinger距离被定义成Hellinger积分的形式,这种形式由Ernst Hellinger在1909年引进。
目录
·1 定义
·2 性质
·3 例子
1 定义
这里的dP
上述等式可以通过展开平方项得到,注意到任何概率密度函数在其定义域上的积分为1。
根据柯西-施瓦茨不等式(Cauchy-Schwarz inequality),Hellinger距离满足如下性质:
对于两个离散概率分布 P=(p1,p2,...,pn)和 Q=(q1,q2,...,qn),它们的Hellinger距离可以定义如下:
上式可以被看作两个离散概率分布平方根向量的欧式距离,如下所示:
2. 性质
Hellinger距离的最大值1只有在如下情况下才会得到:P在Q为零的时候是非零值,而在Q为非零值的时候是零,反之亦然。
有时公式之前的系数1/2会被省略,此时Hellinger距离的范围变为从0到2的平方根。
Hellinger距离可以跟Bhattacharyya系数BC(P,Q)联系起来,此时它可以被定义为:
Hellinger距离通常在顺序和渐进统计中使用。
3. 例子
两个正态分布P
两个指数分布P
两个威利分布P
来自:http://blog.sina.com.cn/s/blog_85f1ffb70101e65d.html