zoukankan      html  css  js  c++  java
  • 高斯分布和二项分布属于指数分布族的证明

    1、什么是指数分布族

    1.1 基本描述

            指数型分布是一类重要的分布族,在统计推断中,指数型分布族占有重要的地位,在各领域应用广泛。许多的统计分布都是指数型分布,彼此之间具有一定的共性,在研究其统计性质与分布特征时,利用指数型分布族的特征,可以将这一族分布的特征分别表示出。在广义线性模型的统计推断中,常假设样本服从指数型分布。

    1.2 定义

           指数分布族可以写成如下的形式:
                                                         
            在这里,η叫做分布的自然参数,a(η)叫做累积量母函数(又称log partition function)。exp(-α(η))这个量是分布p(y;η)的归一化常数,用来确保分布p(y;η)对y的积分为1。T(y)称为充分统计量(sufficient statistic),对于我们考虑的分布,一般认为T(y)=y。
    一组确定的T,a和b定义了这样一个以η为参数的分布族。对于不同的η,我们可以得到指数分布族中不同的分布。

    1.3 数学特征

            对于单参数指数型分布的随机变量,记,分别表示关于η的函数a对η求一二阶导数,则有以下结论:
    1. 指数型分布随机变量的期望
    2. 指数型分布随机变量的方差

    2、高斯分布属于指数分布族的证明

            对于高斯分布,当方差已知时,(方差对模型的参数没有影响,所以我们可以任意地选一个方差),在这里我们令,则其分布可以表示为:
                                            
            为了将其向指数分布族靠拢,我们进行如下表示:
                                             
            这显示了高斯分布可以被写成是指数分布族的形式,所以高斯分布属于指数分布族。
            进一步地,我们用指数分布族的性质去验证一下,有:
                                            
                                              
            刚好是高斯分布的期望和方差,所以验证成功。
     
     

    3、二项分布属于指数分布族的证明

            对于二项分布(伯努利分布),每一个取不同均值的参数Φ,就会唯一确定一个y属于{0,1}之间的分布。所以可以表示为
                                       
            故二项分布的分布函数只以Φ作为参数,统一这样表示二项分布:
                                                   
            这样,自然参数为:,翻转一下,有:
            为了进一步将二项分布向指数分布族靠拢,我们可以进行如下表示:
                                                     
            这显示了二项分布可以被写成是指数分布族的形式,所以二项分布属于指数分布族。
     
            进一步地,我们用指数分布族的性质去验证一下,有:
                                           
                                           
            刚好是二项分布的期望与方差,故满足性质。
  • 相关阅读:
    深入剖析Java中的装箱和拆箱
    JDBC(1)
    设计模式
    MySQL学习笔记(3)
    MySQL学习笔记(2)
    MySQL学习笔记(1)
    tomcat 部署项目出现Error thrown in preDeregister method
    JSP页面中的request.getContextPath()出现“ .... .. refers to the missing type String
    myEclipse 导入 jquery包为什么整个项目都会报错
    走楼梯
  • 原文地址:https://www.cnblogs.com/linyuanzhou/p/4947931.html
Copyright © 2011-2022 走看看