beta分布_常用概率分布总结(2)

11.正态分布

之后专开一篇写正态分布的各种知识点。

这里仅说下R里面用正态分布函数的一个注意点，一般书面写正态分布为

，如

，其中

，而R语言中写为

，即后面的参数写标准差，而非方差。

[1]基本

• 密度函数
• 期望
• 方差
• 特征函数

[2]重要性质

12.均匀分布

[1]基本

• 密度函数

k1 = seq(-1,3,by=0.01)
p = dunif(k1,1,2)
plot(k1,p)

• 期望

• 方差

• 特征函数

[2]重要性质

1.均匀分布是产生服从其它分布的随机数基础

2.任何分布的随机变量经过其分布函数的变换后，都服从

​均匀分布

随机变量​

的分布函数为​

，对随机变量​

进行变量变换

​，则随机变量

13.指数分布(Exp(

))

[1]基本

• 密度函数

k1 = seq(-10,10,by=0.01)
p = dexp(k1,rate=2)
plot(k1,p)

• 期望

• 方差

• 特征函数

[2]重要性质

1.对于指数分布随机变量有，

如果​

表示寿命，

，

即某人已经50岁，则他活过60岁，和他60岁后他活过70岁的概率相同，以此类推他可以永远活下去。故指数分布有时也称为“永远年青” ，且只有指数分布有这个性质。

14.卡方分布

[1]基本

• 密度函数

k1 = seq(-2,5,by=0.01)  
p = dchisq(k1,5)   #自由度为5
plot(k1,p)

• 期望

• 方差
• 特征函数

[2]重要性质

1.

15.t分布

[1]基本

• 密度函数

k1 = seq(-5,5,by=0.01)
p = dt(k1,5)
plot(k1,p)

• 期望

• 方差

• 特征函数

[2]重要性质

16.F分布

[1]基本

• 密度函数

k1 = seq(-5,5,by=0.001)
p = df(k1,5,3)
plot(k1,p)

• 期望

• 方差

• 特征函数

[2]重要性质

1.

，则

17.柯西分布

[1]基本

• 密度函数

k1 = seq(-5,10,by=0.01)
p = dcauchy(k1,location=2,scale=3)
plot(k1,p)

• 期望

不存在

• 方差

不存在

• 特征函数

[2]重要性质

1.这个分布的期望方差都不存在

18.Gamma分布

[1]基本

• 密度函数

k1 = seq(-5,10,by=0.01)
p = dgamma(k1,shape=2,scale=3)
plot(k1,p)

• 期望

• 方差

• 特征函数

[2]重要性质

1.

为指数分布，看特征函数即可。

2.

时为​

卡方分布，同样看特征函数即可知。

3.可加性

，则有

4.注意有两种记法，有人把第二个参数用其倒数表示，概率密度也做相应改变。

R里面的命令为rgamma(1,shape=a,rate=1,scale=s)

当概率函数形式为，

使用命令rgamma(1,shape=a,scale=s)

当概率函数形式为，

使用命令rgamma(1,shape=a,rate=s)

19.beta分布

[1]基本

• 密度函数

k1 = seq(-5,10,by=0.001)
p = dbeta(k1,shape1=2,shape2=3)
plot(k1,p)

• 期望

• 方差

• 特征函数

[2]重要性质

20.对数正态分布

[1]基本

• 密度函数

k1 = seq(-5,10,by=0.001)
p = dlnorm(k1,meanlog=2,sdlog=3)
plot(k1,p)

• 期望

• 方差

• 特征函数

[2]重要性质

21.Weibull分布

[1]基本

• 密度函数

k1 = seq(-5,10,by=0.001)
p = dweibull(k1,shape=2,scale=3)
plot(k1,p)

• 期望

• 方差

• 特征函数

[2]重要性质

22.逻辑分布

[1]基本

• 密度函数

标准logistic分布，

• 期望

• 方差

• 特征函数

[2]重要性质

1.标准logistic分布为

，分布函数为

，这是一个sigmoid函数，故有，

23.狄利克雷分布

[1]基本

也称为多元Beta分布， 是Beta分布在高维情形的推广。

在贝叶斯推断中，狄利克雷分布作为多项分布（或Categorical 分布）的共轭先验 ，在机器学习中被用于构建狄利克雷混合模型（Dirichlet mixture model）。可以看看本专栏中“狄利克雷过程和中餐馆过程”中关于狄利克雷过程的内容，来理解这段话。

• 密度函数

library(MCMCpack)

rdirichlet(5, c(1,1,1) )

           [,1]      [,2]        [,3]
[1,] 0.32859142 0.6649473 0.006461324   #每行和为1，可以当作概率分布
[2,] 0.18262330 0.4242267 0.393149963
[3,] 0.04134631 0.7376723 0.220981374
[4,] 0.29466581 0.0553668 0.649967387
[5,] 0.70792987 0.1638178 0.128252348

狄利克雷分布也称为分布的分布

• 期望
• 方差

• 特征函数

[2]重要性质

1.狄利克雷分布的边缘分布为Beta分布

2.

服从狄利克雷分布，其中两个边缘分布​

的联合分布服从狄利克雷分布