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
[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
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
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.
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.
2.
3.可加性
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
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.