指数族分布是一大类分布,基本形式为:html
分布函数框架中的h(x),η(θ),T(x)和A(θ)并非任意定义的,每一部分都有其特殊的意义。
θ是天然参数(natural parameter),一般是一个实数;
h(x)是底层观测值(underlying measure);
T(x)是充分统计量(sufficient statistic);
A(θ)被称为对数规则化(log normalizer)。
--------------------- 框架
T(x)是x的充分统计量(能为相应分布提供足够信息的统计量)函数
为了知足归一化条件,有:3d
能够看出,当T(x)=x时,e^A(theta)是h(x)的拉普拉斯变换。orm
指数族分布的例子:htm
伯努利分布转换成指数族分布形式:blog
单变量高斯分布的:ci
多变量高斯分布的:get
A(theta)的一阶导:变量
A(theta)的二阶导:
说明A(theta)是凸函数
计算log likehood,而后对theta求导,可得
而A的二次导时大于零的,因此A的一次导是增函数,上述方程最多只有一个解。
共轭先验:
似然估计:
咱们但愿:
好比:
一些例子: