【分布族谱】高斯分布和逆高斯分布的关系 |
您所在的位置:网站首页 › 多维高斯分布概率密度函数 › 【分布族谱】高斯分布和逆高斯分布的关系 |
文章目录
高斯分布逆高斯分布简介通过高斯分布构造逆高斯分布
高斯分布
正态分布,又称Gauss分布,其概率密度函数入下图所示 正态分布 N ( μ , σ ) N(\mu, \sigma) N(μ,σ)受到期望 μ \mu μ和方差 σ 2 \sigma^2 σ2的调控,其概率密度函数为 1 2 π σ 2 exp [ − ( x − μ ) 2 2 σ 2 ] \frac{1}{\sqrt{2\pi\sigma^2}}\exp[-\frac{(x-\mu)^2}{2\sigma^2}] 2πσ2 1exp[−2σ2(x−μ)2] 当 μ = 0 \mu=0 μ=0而 σ = 1 \sigma=1 σ=1时,为标准正态分布 N ( 0 , 1 ) N(0,1) N(0,1),对应概率分布函数为 Φ ( x ) = 1 2 π exp [ − x 2 2 ] \Phi(x)=\frac{1}{\sqrt{2\pi}}\exp[-\frac{x^2}{2}] Φ(x)=2π 1exp[−2x2]。 逆高斯分布简介在布朗运动中,高斯分布描述的是某一固定时刻距离的分布;而逆高斯分布则是达到固定距离所需时间的分布。 所以逆高斯分布的逆取自于物理意义,而非在表达式上有什么“逆”的地方,其PDF为 p ( x ) = λ 2 π x 3 exp [ − λ ( x − μ ) 2 2 μ 2 x ] p(x)=\sqrt{\frac{\lambda}{2\pi x^3}}\exp[-\frac{\lambda(x-\mu)^2}{2\mu^2x}] p(x)=2πx3λ exp[−2μ2xλ(x−μ)2] 在scipy.stats中提供了invgauss函数,但其默认 λ = 1 \lambda=1 λ=1。当 λ \lambda λ趋近于无穷大时,逆高斯分布趋向于高斯分布。 特别地,当 μ = λ = 1 \mu=\lambda=1 μ=λ=1时,逆高斯分布又被称为Wald分布,其概率密度函数表达式为 p ( x ) = 1 2 π x 3 exp [ − ( x − 1 ) 2 2 x ] p(x)=\frac{1}{\sqrt{2\pi x^3}}\exp[-\frac{(x-1)^2}{2x}] p(x)=2πx3 1exp[−2x(x−1)2] scipy.stats中也封装了wald函数,即wald。 通过高斯分布构造逆高斯分布通过正态分布和均匀分布的随机数,可以生成逆高斯分布的随机数,设 ν \nu ν服从标准正态分布;z服从标准均匀分布,则令 x = μ + μ 2 ν 2 2 λ − μ 2 λ 4 μ λ ν 2 + μ 2 ν 4 x=\mu+\frac{\mu^2\nu^2}{2\lambda}-\frac{\mu}{2\lambda}\sqrt{4\mu\lambda\nu^2+\mu^2\nu^4} x=μ+2λμ2ν2−2λμ4μλν2+μ2ν4 若 z ⩽ μ μ + x z\leqslant\frac{\mu}{\mu+x} z⩽μ+xμ,则返回 x x x,否则返回 μ 2 x \frac{\mu^2}{x} xμ2 考虑到invgauss默认 λ = 1 \lambda=1 λ=1,所以 x x x的生成式改为 x = μ + μ 2 ν 2 2 − μ 2 4 μ ν 2 + μ 2 ν 4 x=\mu+\frac{\mu^2\nu^2}{2}-\frac{\mu}{2}\sqrt{4\mu\nu^2+\mu^2\nu^4} x=μ+2μ2ν2−2μ4μν2+μ2ν4 import numpy as np from scipy.stats import norm, invgauss, uniform import matplotlib.pyplot as plt nu = norm.rvs(size=10000) mu = 1 # 设mu=1 n2, m2 = nu**2, mu**2 x = mu + m2*n2/2-mu/2*np.sqrt(4*mu*n2+m2*nu**4) z = uniform.rvs(size=10000) flag = z |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |