概率分布知识点

1. Gamma与Gauss分布

Gamma分布中2参数为形状参数k（shape parameter）和尺度参数θ（scale parameter）
当k=1时的gamma分布是指数分布。用生成函数的方法可以证明具有相同尺度参数θ的两个独立gamma分布之和仍为gamma分布，形状参数k=k1+k2
k=n（正整数）时的gamma分布可以看作n个独立的k=1的gamma分布（即指数分布）之和，按照中心极限定理（CLT），独立同分布随机变量之和趋于正态分布，当k趋向于较大数值时，分布近似于正态分布。


参考 ：【卡方分布，t分布和F分布】【Beta分布】

gamma PDF证明：

补充：

指数分布 $ExponentialDistribution$

$$f_{ep}(x)=\frac{s{\theta }^{1/s}}{2\ast \Gamma (\frac{1}{s})}\ast exp(-\theta |x{|}^s)$$
where $s$ is the shape parameter, and $\theta$ is the precision parameter.
\

student-T分布

$$f_{ep}(x)=\frac{\Gamma (\frac{s+d}{2})}{(\sqrt{s\pi }{)}^d\ast \Gamma (\frac{s}{2})}\ast (1+\frac{x^2}{s}{)}^{-\frac{s+d}{2}}$$
where $s$ is the $dof(degreeoffreedom)/$ shape parameter, $d$ is the dimension of data $x$.

2. Weibull分布

3. Dempster–Shafer theory（D-S证据理论）

https://www.cnblogs.com/LittleHann/p/12697865.html