Beta_cn.rst

Beta

在概率论中，Beta 分布是指一组定义在 [0,1] 区间的连续概率分布，有两个参数 α, β > 0，是狄利克雷(cn_api_paddle_distribution_Dirichlet) 分布的一元形式。

其概率密度函数（pdf）为：

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

其中，B 为 Beta 函数，表示归一化因子：

B(α, β) = ∫₀¹t^α − 1(1 − t)^β − 1dt

参数

• alpha (float|Tensor) - 即上述公式中 α 参数，大于零，支持 Broadcast 语义。当参数类型为 Tensor 时，表示批量创建多个不同参数的分布，batch_shape (参考 cn_api_paddle_distribution_Distribution 基类) 为参数 Broadcast 后的形状。
• beta (float|Tensor) - 即上述公式中 β 参数，大于零，支持 Broadcast 语 义。当参数类型为 Tensor 时，表示批量创建多个不同参数的分布，batch_shape (参考 cn_api_paddle_distribution_Distribution 基类) 为参数 Broadcast 后的形状。

代码示例

COPY-FROM: paddle.distribution.Beta

方法

mean()

计算 Beta 分布均值。

variance() '''''''''

计算 Beta 分布方差。

prob(value) '''''''''

计算 value 的概率。

参数

• value (Tensor) - 待计算值。

返回

• Tensor: value 的概率。

log_prob(value) '''''''''

计算 value 的对数概率。

参数

• value (Tensor) - 待计算值。

返回

• Tensor: value 的对数概率。

sample()

从 Beta 分布中生成满足特定形状的样本数据。

参数

• shape (Sequence[int]，可选)：采样次数。最终生成样本形状为 shape+batch_shape 。

返回

• Tensor：样本数据。

entropy()

计算 Beta 分布的信息熵。