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$x\in [0,1]$的概率分布，它由两个参数$a>0$和$b>0$确定：
$$Beta(\mu |a,b)=\frac{\Gamma (a+b)}{\Gamma (a)\Gamma (b)}{\mu }^{a-1}(1-\mu {)}^{b-1}=\frac{1}{B(a,b)}{\mu }^{a-1}(1-\mu {)}^{b-1}$$

其中，$\Gamma (x)$为Gamma函数：
$$\Gamma (x)={\int }_0^{+\infty }{t}^{x-1}{e}^{-t}dt$$

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

贝塔分布有如下性质：

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

其概率密度函数如下图所示：

当$a=b=1$时，贝塔分布退化为均匀分布。