beta分布

贝塔分布（ Beta Distribution ) 是一个作为伯努利分布和二项式分布的共轭先验分布的密度函数，在机器学习和数理统计学中有重要应用。在概率论中，贝塔分布，是指一组定义在(0,1)区间的连续概率分布。其概率密度函数为：

$f(x;\alpha ,\beta )=\frac{1}{B(\alpha ,\beta )}x^{\alpha -1}(1-x)^{\beta -1}$

beta 分布的期望为： $\mu =\frac{\alpha }{\alpha +\beta }$

下面我们通过一个问题来具体的分析 beta 分布的使用。假设一个概率实验只有两种结果，一个是成功，概率是X；另一个是失败，概率为（1−X）。其中，X的值我们是不知道的，但是它所有可能的情况也是等概率的。如果我们对X的不确定性用一种方式描述，那么，可以认为X是个来自于[0，1]区间的均匀分布的样本。

这是很合理的，因为X只可能是[0，1]之间的某个值。同时，我们对X也一无所知，认为它是[0，1]之间任何一个可能的值。这些都与[0，1]均匀分布的性质契合。

现在，假设我们做了n次独立重复的实验，我们观察到k次成功，n−k次失败。这时候我们就可以使用这些实验结果来修订之前的假设了。换句话说，我们就要计算X的条件概率，其条件是我们观察到的成功次数和失败次数。这里计算的结果就是 beta 分布了。

在这里，在总共n次实验，k次成功的条件下，X的条件概率是一个 beta 分布，其参数是k+1和n−k+1。

示例：beta分布用于评价旧货商服务质量

假设亚马逊上有三家旧货商，其评价结果分别如下：

商家一：85193个评论，94%的正向

商家二：20785个评论，98%的正向

商家三：840个评论，99%的正向

那么这三个商家中，哪一家的服务质量最好呢？假设我们对三家旧货商的信息一无所知，那么这些参数的先验可以认为是一个均匀分布，也可以等同于 beta(1,1) 。根据之前的知识，我们知道，最终这三家旧货商的服务质量应当服从三个不同参数的 beta 分布，即 beta(80082,5113)、beta(20370,417)和beta(833,9)。

注意，当 beta 分布的参数很大的时候，我们可以使用相同均值和方差的正态分布代替这个 beta 分布。

因此，最终这三家供货商，商家3的服务质量的标准差是0.003，是最大的。其他两家的标准差比这个还小。因此，我们可以认为这三家供货商的服务质量都高度聚焦于他们的均值。因此，从第一个或第二个分布中抽取的样本不太可能比第三个样本的值高。也就是说前两个服务商不太可能质量比第三个高。

scipy 的 beta 分布计算

Python 的scipy中含有 beta 分布函数。下面给出该函数的用法： beta.pdf(x,a,b) 其中x是给定的取值范围，a为α值，b为β值。它的返回值就是指定输入的概率值。

例如，在旧货商的正向评论率问题中，我们使用 scipy 的 beta 函数就可以得到三家供货商的服务质量函数。在本问题中，x∈[0,1]表示正向评论率，三个旧货商的 beta 函数为beta.pdf(x,80082,5113)，beta.pdf(x,20370,417)，beta.pdf(x,833,9)。使用 beta 函数后得到的值就是正向评论率的概率。

编程示例

我们现在考虑这么个问题：

问题1. 在一个收费站，收费站一段时间（比如每隔1小时）会经过一些车（n辆）。假设经过的车只分两种，大车和小车。我们希望通过观察收费站一长段时间的车辆经过情况，估计小车占所有车的比例 p 。

首先我们使用这样的策略：每隔一个小时统计一次，那么在每个小时内，小车的数量应该服从(n,p)二项分布。但是有个问题，就是每个小时的 n （车辆总数）是不同的， p 也不同，那么十个小时的观测到的小车数目，就是十个不同的二项分布的期望，所以不好假设是二项分布了。

估计小车的比例 p 显然仅能出现于0到1之间。任何时刻的小车的比例具有随机性，这些提示我们一段时间的小车比例的分布可能符合贝塔分布。

记每小时的小车数为α ，大车数β，则小车的比例为 $\frac{\alpha }{\alpha +\beta }$ 。而这个比例就服从B(α,β)。也就是说，计算每小时观测到的小车比例，可以认为小车车流量服从 beta 分布，并进行求解。因此，小车的占比p的可能性为0 ~ 1，作为beta分布的输入x，α 和β为函数的参数。

from scipy.stats import beta
import numpy as npa = input()     #贝塔分布的alpha值
b = input()     #贝塔分布的beta值
a = float(a)
b = float(b)
x=np.arange(0.1,1,0.1)     #给定的输入数据
print(beta.pdf(x,a,b))

测试输入：