前面的文章《连续分布的产生》中,我主要讲述了用均匀分布生成各种连续分布的方法,其中的特殊方法都是利用分布之间的关系来生成的。那么,本文主要介绍连续分布之间的一些关系。
伽马分布与泊松分布的关系
假设 X∼gamma(α,β),Y∼Poisson(x/β) ,当 α 是整数的时候,下面等式成立:
P(X≤x)=P(Y≥α)
伽马分布与卡方分布的关系
服从形状参数为 α ,尺度参数为 β 的伽马分布的概率密度函数pdf可以表示为:
f(x)=x(α−1)e(−x/β)Γ(α)βα
现在,我们假设
α=p/2
,其中
p
是整数且
f(x)=x(p/2−1)e(−x/2)Γ(p/2)2p/2,0<x<∞
显然,此时的概率密度函数
pdf
服从自由度为
p
的卡方分布的伽马分布与指数分布的关系
当伽马分布中的形式参数 α=1 时,概率密度函数变为:
f(x)=e(−x/β)β,0<x<∞
显然,此时的概率密度函数就是参数为
β
的指数分布密度函数的
pdf
。
韦伯分布与指数分布、瑞利分布的关系
比例参数为 λ ,形状参数为 k 的韦伯分布的概率密度函数为:
贝塔分布与均匀分布的关系
参数为 α,β 的贝塔分布的概率密度函数为:
f(x)=1B(α,β)xα−1(1−x)β−1,0<x<1,α>0,β>0,B(α,β)=Γ(α)Γ(β)Γ(α+β)
当
α=β=1
时,此时退化成了区间在
0到1
的均匀分布。
正态分布与柯西分布的关系
位置参数为 x0 ,尺度参数为 γ 的柯西分布的概率密度函数为:
f(x)=1πγ[1+(x−x0γ)2]
当
x0=0,γ=1
时则是标准柯西分布。
- 关系:两个标准正态分布函数的比值服从标准柯西分布。
其它关系式
假设 Uj 是独立同分布于区间 0到1 的均匀分布,由文章《连续分布的产生》可以得到: Yi=−λlog(Ui) 是独立同分布于指数分布的随机变量。那么由指数分布与其它分布的关系推导得到如下的表达式:
Y=−2∑j=1vlog(Uj)∼χ22vY=−β∑j=1αlog(Uj)∼gamma(α,β)Y=∑aj=1log(Uj)∑a+bj=1log(Uj)∼beta(a,b)
很显然,我们可以先通过均匀分布产生指数分布,然后利用指数分布与其它分布的关系来生成对应的分布。因此,知道分布之间的关系就很容易由已知的分布得到要求的分布。