新浪博客
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
1. 均匀分布
均匀分布 是无信息的，可作为无信息变量的先验分布。
2. 正态分布（高斯分布）
当影响一个变量的因素众多，且影响微弱、都不占据主导地位时，这个变量很可能服从正态分布，记作 。正态分布为方差已知的正态分布 的参数 的共轭先验分布。
3. 逆高斯分布
（均值与方差相同的）逆高斯分布与Gamma分布相比，逆高斯分布具有尖峰厚尾的特性。记作 。
4. 指数分布
指数分布 是指要等到一个随机事件发生，需要经历多久时间。其中 为尺度参数。指数分布的无记忆性： 。
强度为 的泊松流的点间间距服从同一个指数分布，其逆命题也成立。
5. Beta分布（ 分布）
Beta分布记为 ，其中Beta(1,1)等于均匀分布，其概率密度函数可凸也可凹。如果二项分布 中的参数p的先验分布取 ，实验数据（事件A发生y次，非事件A发生n-y次），则p的后验分布 ，即Beta分布为二项分布 的参数p的共轭先验分布。
6. Gamma分布（伽马分布，Γ分布）
Gamma分布即为多个独立且相同分布的指数分布变量的和的分布，解决的问题是“要等到n个随机事件都发生，需要经历多久时间”，记为 。其中 为形状参数， 为尺度参数。
泊松流的等待时间 服从Γ分布。
Gamma分布为指数分布 的参数 、Poisson分布 的参数 的共轭先验分布。
移位的伽马分布即为皮尔逊型分布。
当参数 时，Gamma分布变为指数分布。
Gamma分布的可加性：若 相互独立，且 服从参数为 ， （ ）的Gamma分布，则 服从参数为 ， 的Gamma分布。
7. 倒Gamma分布（倒伽马分布）
倒Gamma分布记为 。若随机变量 ，则 。其中 为形状参数， 为尺度参数。倒Gamma分布为指数分布 的参数 、均值已知的正态分布 的参数 的共轭先验分布。
8. 威布尔分布(Weibull分布，韦伯分布，韦布尔分布)
威布尔分布记为 。其中 为形状参数， 为尺度参数。当 ，它是指数分布； 时，是Rayleigh distribution（瑞利分布）。常用于拟合风速分布，并用最小二乘法、平均风速估计法或极大似然法求解其参数。
9. Pareto分布
Pareto分布记为 。其中 为门限参数， 为尺度参数。Pareto