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和
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(μ∣a,b)=Γ(a)Γ(b)Γ(a+b)μa−1(1−μ)b−1=B(a,b)1μa−1(1−μ)b−1
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+∞tx−1e−tdt
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:
当
a
=
b
=
1
a=b=1
a=b=1时,贝塔分布退化为均匀分布。