Beta函数
Beta函数的定义如下
B
(
a
,
b
)
=
∫
0
1
x
a
−
1
(
1
−
x
)
b
−
1
d
x
,
\mathrm{B}(a,b)=\int_0^1 x^{a-1}(1-x)^{b-1}dx,
B(a,b)=∫01xa−1(1−x)b−1dx,其中参数
a
>
0
a>0
a>0,
b
>
0
b>0
b>0。Beta函数具有如下性质:
(1)
B
(
a
,
b
)
=
B
(
b
,
a
)
\mathrm{B}(a,b)=\mathrm{B}(b,a)
B(a,b)=B(b,a)
证明:令
y
=
1
−
x
y=1-x
y=1−x,则有
B
(
a
,
b
)
=
∫
1
0
(
1
−
y
)
a
−
1
y
b
−
1
(
−
d
y
)
=
∫
0
1
(
1
−
y
)
a
−
1
y
b
−
1
d
y
=
B
(
b
,
a
)
\mathrm{B}(a,b)=\int^0_1 (1-y)^{a-1}y^{b-1}(-dy)=\int^1_0 (1-y)^{a-1}y^{b-1}dy=\mathrm{B}(b,a)
B(a,b)=∫10(1−y)a−1yb−1(−dy)=∫01(1−y)a−1yb−1dy=B(b,a)(2)Beta函数与Gamma函数之间的关系
B
(
a
,
b
)
=
Γ
(
a
)
Γ
(
b
)
Γ
(
a
+
b
)
\mathrm{B}(a,b)=\frac{\Gamma(a)\Gamma(b)}{\Gamma(a+b)}
B(a,b)=Γ(a+b)Γ(a)Γ(b)证明:由Gamma函数的定义可知
Γ
(
a
)
Γ
(
b
)
=
∫
0
∞
∫
0
∞
x
a
−
1
y
b
−
1
e
−
(
x
+
y
)
d
x
d
y
,
\Gamma(a)\Gamma(b)=\int^{\infty}_{0}\int^{\infty}_{0}x^{a-1}y^{b-1}e^{-(x+y)}dxdy,
Γ(a)Γ(b)=∫0∞∫0∞xa−1yb−1e−(x+y)dxdy,作变量变换
x
=
u
v
x=uv
x=uv,
y
=
u
(
1
−
v
)
y=u(1-v)
y=u(1−v),其雅可比行列式
J
=
−
u
J=-u
J=−u。故
Γ
(
a
)
Γ
(
b
)
=
∫
0
∞
∫
0
1
(
u
v
)
a
−
1
[
u
(
1
−
v
)
]
b
−
1
e
−
u
u
d
u
d
v
=
∫
0
∞
u
a
+
b
−
1
e
−
u
d
u
∫
0
1
v
a
−
1
(
1
−
v
)
b
−
1
d
v
=
Γ
(
a
+
b
)
B
(
a
,
b
)
\begin{aligned}\Gamma(a)\Gamma(b)&=\int^{\infty}_0\int_0^1(uv)^{a-1}[u(1-v)]^{b-1}e^{-u}ududv\\&=\int^{\infty}_0u^{a+b-1}e^{-u}du\int^{1}_0 v^{a-1}(1-v)^{b-1}dv\\&=\Gamma(a+b)\mathrm{B}(a,b)\end{aligned}
Γ(a)Γ(b)=∫0∞∫01(uv)a−1[u(1−v)]b−1e−uududv=∫0∞ua+b−1e−udu∫01va−1(1−v)b−1dv=Γ(a+b)B(a,b)证毕。
Beta分布
若随机变量
X
X
X的密度函数为
p
(
x
)
=
{
Γ
(
a
+
b
)
Γ
(
a
)
Γ
(
b
)
x
a
−
1
(
1
−
x
)
b
−
1
,
0
<
x
<
1
,
0
,
其
他
,
p(x)=\left\{\begin{array}{ll}\frac{\Gamma(a+b)}{\Gamma(a)\Gamma(b)}x^{a-1}(1-x)^{b-1},&0<x<1,\\0,&其他,\end{array}\right.
p(x)={Γ(a)Γ(b)Γ(a+b)xa−1(1−x)b−1,0,0<x<1,其他,则称
X
X
X服从Beta分布,记作
X
∼
B
e
t
a
(
a
,
b
)
X \sim Beta(a,b)
X∼Beta(a,b),其中
a
>
0
a>0
a>0,
b
>
0
b>0
b>0都是形状参数。
因为服从Beta分布
B
e
t
a
(
a
,
b
)
Beta(a,b)
Beta(a,b)的随机变量是仅在区间
(
0
,
1
)
(0,1)
(0,1)取值的,所以不合格率,机器的维修率,市场占有率,射击的命中率等各种比率选用Beta分布作为它们的概率分布是恰当的,只要选择合适的参数
a
a
a与
b
b
b即可。
Beta分布 B e t a ( a , b ) Beta(a,b) Beta(a,b)的数学期望和方差
利用Beta函数的性质,不难算得Beta分布 B e t a ( a , b ) Beta(a,b) Beta(a,b)的数学期望为 E ( X ) = Γ ( a + b ) Γ ( a ) Γ ( b ) ∫ 0 1 x a ( 1 − x ) b − 1 d x = Γ ( a + b ) Γ ( a ) Γ ( b ) ⋅ Γ ( a + 1 ) Γ ( b ) Γ ( a + b + 1 ) = a a + b \begin{aligned}\mathbb{E}(X)&=\frac{\Gamma(a+b)}{\Gamma(a)\Gamma(b)}\int^1_0 x^a(1-x)^{b-1}dx\\&=\frac{\Gamma(a+b)}{\Gamma(a)\Gamma(b)}\cdot\frac{\Gamma(a+1)\Gamma(b)}{\Gamma(a+b+1)}\\&=\frac{a}{a+b}\end{aligned} E(X)=Γ(a)Γ(b)Γ(a+b)∫01xa(1−x)b−1dx=Γ(a)Γ(b)Γ(a+b)⋅Γ(a+b+1)Γ(a+1)Γ(b)=a+ba又因为 E ( X 2 ) = Γ ( a + b ) Γ ( a ) Γ ( b ) ∫ 0 1 x a + 1 ( 1 − x ) b − 1 d x = Γ ( a + b ) Γ ( a ) Γ ( b ) ⋅ Γ ( a + 2 ) Γ ( b ) Γ ( a + b + 2 ) = a ( a + 1 ) ( a + b ) ( a + b + 1 ) \begin{aligned}\mathbb{E}(X^2)&=\frac{\Gamma(a+b)}{\Gamma(a)\Gamma(b)}\int_0^1x^{a+1}(1-x)^{b-1}dx\\&=\frac{\Gamma(a+b)}{\Gamma(a)\Gamma(b)}\cdot\frac{\Gamma(a+2)\Gamma(b)}{\Gamma(a+b+2)}\\&=\frac{a(a+1)}{(a+b)(a+b+1)}\end{aligned} E(X2)=Γ(a)Γ(b)Γ(a+b)∫01xa+1(1−x)b−1dx=Γ(a)Γ(b)Γ(a+b)⋅Γ(a+b+2)Γ(a+2)Γ(b)=(a+b)(a+b+1)a(a+1)由此得到 X X X的方差为 V a r ( X ) = a ( a + 1 ) ( a + b ) ( a + b + 1 ) − ( a a + b ) 2 = a b ( a + b ) 2 ( a + b + 1 ) \begin{aligned}\mathrm{Var}(X)&=\frac{a(a+1)}{(a+b)(a+b+1)}-\left(\frac{a}{a+b}\right)^2\\&=\frac{ab}{(a+b)^2(a+b+1)}\end{aligned} Var(X)=(a+b)(a+b+1)a(a+1)−(a+ba)2=(a+b)2(a+b+1)ab