机器学习中的数学——常用概率分布(十):贝塔分布(Beta分布)

机器学习中的数学——常用概率分布(十):贝塔分布(Beta分布)贝塔分布是关于连续变量 x 0 1 x in 0 1 x 0 1 的概率分布 它由两个参数 a gt 0a gt 0a gt 0 和 b gt 0b gt 0b gt 0 确定 Beta x a b a b a b a 1 1 b 1 1B a b a 1 1 b 1Beta x a b frac Gamma a b Gamma a Gamma b mu a 1 1 mu b 1 frac 1 B a b mu a 1 1 mu b


贝塔分布是关于连续变量 x ∈ [ 0 , 1 ] x\in[0, 1] x[0,1]的概率分布,它由两个参数 a > 0 a>0 a>0 b > 0 b>0 b>0确定:
B e t a ( x ∣ a , b ) = Γ ( a + b ) Γ ( a ) Γ ( b ) μ a − 1 ( 1 − μ ) b − 1 = 1 B ( a , b ) μ a − 1 ( 1 − μ ) b − 1 Beta(x|a, b)=\frac{\Gamma(a+b)}{\Gamma(a)\Gamma(b)}\mu^{a-1}(1-\mu)^{b-1}=\frac{1}{B(a, b)}\mu^{a-1}(1-\mu)^{b-1} Beta(xa,b)=Γ(a)Γ(b)Γ(a+b)μa1(1μ)b1=B(a,b)1μa1(1μ)b1

其中, Γ ( x ) \Gamma(x) Γ(x)为Gamma函数:
Γ ( x ) = ∫ 0 + ∞ t x − 1 e − t d t \Gamma(x)=\int_0^{+\infty}t^{x-1}e^{-t}dt Γ(x)=0+tx1etdt

B ( a , b ) B(a, b) B(a,b)为Beta函数:
B ( a , b ) = Γ ( a ) Γ ( b ) Γ ( a + b ) B(a, b)=\frac{\Gamma(a)\Gamma(b)}{\Gamma(a+b)} B(a,b)=Γ(a+b)Γ(a)Γ(b)

贝塔分布有如下性质:

  • E [ x ] = a a + b E[x]=\frac{a}{a+b} E[x]=a+ba
  • V a r ( x ) = a b ( a + b ) 2 ( a + b + 1 ) Var(x)=\frac{ab}{(a+b)^2(a+b+1)} Var(x)=(a+b)2(a+b+1)ab
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/218834.html原文链接:https://javaforall.net

(0)
上一篇 2026年3月17日 下午11:22
下一篇 2026年3月17日 下午11:22


相关推荐

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号