Dirichlet分布是统计学中的一个重要概念，通常作为贝叶斯统计中的先验分布，尤其与分类分布和多项分布相关。其概率密度函数与参数α有关，具有可调整的均值和方差。边际分布为Beta分布，且是分类和多项分布的共轭先验，这意味着在观察到数据后，后验分布仍为Dirichlet分布。
Dirichlet distribution
在统计学中，Dirichlet distribution 常被记为 D i r ( α ) Dir(\alpha) Dir(α),在贝叶斯统计中， Dirichlet distribution 经常被用作先验分布，事实上dirichlet distribution是分类分布(categorical distribution)和多项分布(multinomial distribution)的共轭先验。
Definitions
probability density function
参数为 α 1 , . . . α k > 0 \alpha_1,... \alpha_k>0 α1,...αk>0的 K ≥ 2 K\ge2 K≥2阶的狄利克雷分布具有关于欧几里得空间 R k − 1 R^{k-1} Rk−1上的勒贝格测度的概率密度函数：
f ( x 1 , . . . , x k ; α 1 , . . . , α k ) = 1 B ( α ) ∏ i = 1 K x i α i − 1 ∑ i K x i = 1 , x i ∈ [ 0 , 1 ] f o r a l l i ∈ 1 , . . , K 归一化常数是多变量 B e t a 函数， B ( α ) = ∏ i = 1 k Γ ( α i ) Γ ( ∑ i K α i ) , α = ( α 1 , . . . , α k ) f(x_1,...,x_k;\alpha_1,...,\alpha_k) = \frac{1}{\Beta(\alpha)}\prod_{i=1}^{K}x_{i}^{\alpha_i-1}\\ \sum_{i}^{K}x_i =1,x_i \in [0,1] for \ all\ i\in {1,..,K}\\ 归一化常数是多变量 Beta 函数， \Beta(\alpha)= \frac{\prod_{i=1}^{k}\Gamma(\alpha_i)}{\Gamma(\sum_{i}^{K}\alpha_i)},\ \alpha = (\alpha_1,...,\alpha_k) f(x1,...,xk;α1,...,αk)=B(α)1
最低0.47元/天 解锁文章
6131
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
