机器学习中的数学——常用概率分布(十):贝塔分布(Beta分布)

分类目录:《机器学习中的数学》总目录
相关文章:
· 常用概率分布(一):伯努利分布(Bernoulli分布)
· 常用概率分布(二):范畴分布(Multinoulli分布)
· 常用概率分布(三):二项分布(Binomial分布)
· 常用概率分布(四):均匀分布(Uniform分布)
· 常用概率分布(五):高斯分布(Gaussian分布)/正态分布(Normal分布)
· 常用概率分布(六):指数分布(Exponential分布)
· 常用概率分布(七): 拉普拉斯分布(Laplace分布)
· 常用概率分布(八):狄拉克分布(Dirac分布)
· 常用概率分布(九):经验分布(Empirical分布)
· 常用概率分布(十):贝塔分布(Beta分布)
· 常用概率分布(十一):狄利克雷分布(Dirichlet分布)
· 常用概率分布(十二):逻辑斯谛分布(Logistic 分布)


贝塔分布是关于连续变量 x ∈ [ 0 , 1 ] x\in[0, 1] x[0,1]的概率分布,它由两个参数 a > 0 a>0 a>0 b > 0 b>0 b>0确定:
B e t a ( μ ∣ a , b ) = Γ ( a + b ) Γ ( a ) Γ ( b ) μ a − 1 ( 1 − μ ) b − 1 = 1 B ( a , b ) μ a − 1 ( 1 − μ ) b − 1 Beta(\mu|a, b)=\frac{\Gamma(a+b)}{\Gamma(a)\Gamma(b)}\mu^{a-1}(1-\mu)^{b-1}=\frac{1}{B(a, b)}\mu^{a-1}(1-\mu)^{b-1} Beta(μa,b)=Γ(a)Γ(b)Γ(a+b)μa1(1μ)b1=B(a,b)1μa1(1μ)b1

其中, Γ ( x ) \Gamma(x) Γ(x)为Gamma函数:
Γ ( x ) = ∫ 0 + ∞ t x − 1 e − t d t \Gamma(x)=\int_0^{+\infty}t^{x-1}e^{-t}dt Γ(x)=0+tx1etdt

B ( a , b ) B(a, b) B(a,b)为Beta函数:
B ( a , b ) = Γ ( a ) Γ ( b ) Γ ( a + b ) B(a, b)=\frac{\Gamma(a)\Gamma(b)}{\Gamma(a+b)} B(a,b)=Γ(a+b)Γ(a)Γ(b)

贝塔分布有如下性质:

  • E [ x ] = a a + b E[x]=\frac{a}{a+b} E[x]=a+ba
  • V a r ( x ) = a b ( a + b ) 2 ( a + b + 1 ) Var(x)=\frac{ab}{(a+b)^2(a+b+1)} Var(x)=(a+b)2(a+b+1)ab

其概率密度函数如下图所示:
贝塔分布
a = b = 1 a=b=1 a=b=1时,贝塔分布退化为均匀分布。

  • 16
    点赞
  • 89
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

von Neumann

您的赞赏是我创作最大的动力~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值