0x04 Dirichlet分布与共轭

Dirichlet分布

引入

均匀生成20个[0,1]之间的随机数, 同时第7大和第13大的数是什么?

数学表达:

• $X_1,X_2,\cdots,X_n {\stackrel{\mathrm{iid}} {\sim}}Uniform(0,1)$, 排序后对应的顺序统计量$X_{(1)},X_{(2)}，\cdots, X_{(n)}$

• 问$(X_{(k_1)}, X_{(k_1+k_2)})$的联合分布是什么

推导得到Dirichlet分布

取$x_3$满足$x_1+x_2+x_3 = 1$, $(X_{(k_1)}, X_{(k_1+k_2)})$如下:

于是我们得到$(X_{(k_1)}, X_{(k_1+k_2)})$的联合分布是:

上面这个分布其实就是3维形式的Dirichlet分布$Dir(x_1,x_2,x_3|k_1,k_2,n-k_1-k_2+1)$, 令$\alpha_1=k_1,\alpha_2=k_2,\alpha_3=n-k_1-k_2+1$, 分布密度可以写为:

这就是一般形式的3维Dirichlet分布, 从形式上我们也能看出, Dirichlet分布是Beta分布在高维度上的推广, 和Beta分布一样也是一个百变星君, 密度函数可以展现出多种形态:

一般形式的Dirichlet分布定义如下:

Dirichlet-Multinomial共轭

引入

调整一下游戏, 从魔盒中生成$m$个随机数$Y_1,Y_2,\cdots,Y_m {\stackrel{\mathrm{iid}}{\sim}}Uniform(0,1)$, 且知道$Y_i$和$(X_{(k_1)}, X_{(k_1+k_2)})$相比谁大谁小, 再求上面的联合分布(后验分布).

数学表示如下:

• $X_1,X_2,\cdots,X_n {\stackrel{\mathrm{iid}} {\sim}}Uniform(0,1)$, 排序后对应的顺序统计量$X_{(1)},X_{(2)}，\cdots, X_{(n)}$
• 令$p_1=X_{(k_1)}, p_2=X_{(k_1+k_2)},p_3 = 1-p_1-p_2$, 猜测$\overrightarrow{p}=(p_1,p_2,p_3)$
• $Y_1,Y_2,\cdots,Y_m {\stackrel{\mathrm{iid}}{\sim}}Uniform(0,1)$, $Y_i$中落到$[0,p_1),[p_1,p_2),[p_2,1]$三个区间的个数分别为$m=m_1+m_2+m3$
• 问后验分布$P(\overrightarrow{p}|Y_1,Y_2,\cdots,Y_m)$的分布是什么

推导

记$\overrightarrow{m}=(m_1,m_2,m_3),\quad \overrightarrow{k}=(k_1,k_2,n-k_1-k_2+1)$, 由游戏中的信息, 我们可以推理得到$p_1, p_2$在$X_1,X_2,\cdots,X_n,Y_1,Y_2,\cdots,Y_m{\stackrel{\mathrm{iid}}{\sim}} Uniform(0,1)$这$m+n$个数中分别成为了第$k_1+m_1, k_2+m_2$大的数, 于是后验分布$P(\overrightarrow{p}|Y_1,Y_2,\cdots,Y_m)$应该是:

$Dir(\overrightarrow{p}|k_1+m_1,k_1+m_2,n-k_1-k_2+1+m_3)$

即$Dir(\overrightarrow{p}|\overrightarrow{k}+\overrightarrow{m})$. 按照贝叶斯推理的逻辑, 同样可以把以上过程整理如下:

• 要猜测参数$\overrightarrow{p}=(p_1,p_2,p_3)$, 其先验分布为$Dir(\overrightarrow{p}|\overrightarrow{k})$
• 数据$Y_i$落到$[0,p_1),[p_1,p_2),[p_2,1]$三个区间的个数分别为$m_1,m_2,m_3$, 服从多项分布$Mult(\overrightarrow{m}|\overrightarrow{p})$
• 在给定了来自数据提供的知识$\overrightarrow{m}$, $\overrightarrow{p}$的后验分布变为$Dir(\overrightarrow{p}|\overrightarrow{k}+\overrightarrow{m})$

以上贝叶斯分析过程的简单直观的表述就是:

$Dir(\overrightarrow{p}|\overrightarrow{k}) + MultCount(\overrightarrow{m}) = Dir(\overrightarrow{p}|\overrightarrow{k}+\overrightarrow{m})$

令$\overrightarrow{\alpha}=\overrightarrow{k}$, 把$\overrightarrow{\alpha}$从整数集合延拓到实数集合, 更一般的可以证明有如下关系:

以上式子实际上描述的就是Dirichlet-Multinomial共轭, 从以上过程可以看到, Dirichlet 分布中的参数$\overrightarrow{\alpha}$可以理解为物理计数, 类似于Beta分布.

对于给定的$\overrightarrow{p}$和$N$, 多项分布定义为:

$Mult(\overrightarrow{n} |\overrightarrow{p},N)$和$Dir(\overrightarrow{p}|\overrightarrow{\alpha})$这两个分布是共轭关系.

Dirichlet分布性质

类似于Beta分布, 如果$\overrightarrow{p} \sim Dir(\overrightarrow{t}|\overrightarrow{\alpha})$, Dirichlet分布的期望/均值为:

这个结论很重要, 例如在LDA数学推导中就需要使用到这个结论.