ProductDistribution
✖
ProductDistribution
更多信息

- ProductDistribution[dist1,dist2,…] 的概率密度由
给出,其中 f1 是 dist1 的概率密度函数,f2 是 dist2 的概率密度函数等等.
- 符号 {disti,n} 表示 disti 重复 n 次.
- 分布 disti 可以是单变量、多变量、连续或离散分布的任意组合.
- ProductDistribution 可与 Mean、CDF 和 RandomVariate 等函数联合使用.
背景
- ProductDistribution[dist1,dist2,…,distn] 表示一个多变量统计分布,它的第
个边缘分布 (MarginalDistribution) 为 distj,并且各分量 dist1,dist2,…,distn 相互独立. 一个普通乘积分布 ProductDistribution[dist1,dist2,…,distn] 的概率密度函数 (PDF) 为
,其中
为 distj 的 PDF. 尽管所有的乘积分布都有这些属性,具体的乘积分布的特性和行为则由边缘分布 dist1,dist2,…,distn 所决定.
- 乘积分布的各分量 dist1,dist2,…,distn 可以是连续或离散的,单变量或多变量的,可以由任意一个或所有有标准名称的分布(比如:BinomialDistribution、NormalDistribution、HypergeometricDistribution 等)以及它们的变体(通过 TransformedDistribution、CensoredDistribution、ProductDistribution、CopulaDistribution 等) 所组成. 而且,每个分量 distj 可以是符号式的(比如 NormalDistribution[μ,σ]),也可以是数值式的( 比如 NormalDistribution[0,1]),并且,可以用简写形式 ProductDistribution[{dist1,k1},{dist2,k2},… ,{distn,kn}] 来表示将第 j 个边缘分布 distj 重复 kj 次.
- 在二十世纪四十年代,有人提出了一个对乘积分布进行系统研究的项目. 尽管工作持续到了五十年代末,六十年代初,已接近尾声,但首次对此主题进行彻底详细讨论的是 Springer 和 Thompson 发表于1966年的一篇论文. 从那时起,研究方法不断被改进,使对特殊定义(如分段函数)的概率分布的乘积进行理论和算法上的研究成为可能,从实际运用的角度出发,乘积分布已被证明在机器学习和金融领域是极为重要的工具. 另外,人们还运用蒙特卡罗理论和其他数值法对乘积分布进行了深入研究.
- ProductDistribution 和其他各种分布之间存在着多种关系. ProductDistribution 是CopulaDistribution 的特例,因为 ProductDistribution[dist1,dist2,…,distn] 等价于 CopulaDistribution["Product",{dist1,dist2,…,distn}]. KDistribution 被定义为服从 GammaDistribution 的变数的乘积;两个 LogNormalDistribution 的乘积还是 LogNormalDistribution;BetaDistribution 和 GammaDistribution 的乘积为 GammaDistribution. 具有对角协方差矩阵的 MultinormalDistribution(同样还有 BinormalDistribution) 是 ProductDistribution(它的边缘分布为 NormalDistribution) 的一个例子.
范例
打开所有单元关闭所有单元基本范例 (3)常见实例总结

https://wolfram.com/xid/0gfropdlbat2-oaujul

https://wolfram.com/xid/0gfropdlbat2-wl1j5j


https://wolfram.com/xid/0gfropdlbat2-2bes4e

https://wolfram.com/xid/0gfropdlbat2-c1k8e9


https://wolfram.com/xid/0gfropdlbat2-xflhoo

https://wolfram.com/xid/0gfropdlbat2-emtmk2

范围 (26)标准用法实例范围调查
基本用途 (7)

https://wolfram.com/xid/0gfropdlbat2-bd0bna

https://wolfram.com/xid/0gfropdlbat2-bnlf3t


https://wolfram.com/xid/0gfropdlbat2-jh7k0


https://wolfram.com/xid/0gfropdlbat2-036md

https://wolfram.com/xid/0gfropdlbat2-honnf9

https://wolfram.com/xid/0gfropdlbat2-bv4rd6


https://wolfram.com/xid/0gfropdlbat2-fve4k


https://wolfram.com/xid/0gfropdlbat2-dkmuh8

https://wolfram.com/xid/0gfropdlbat2-dm0qt5


https://wolfram.com/xid/0gfropdlbat2-f39ma

https://wolfram.com/xid/0gfropdlbat2-l85dq

https://wolfram.com/xid/0gfropdlbat2-hixzpg

https://wolfram.com/xid/0gfropdlbat2-m2i95


https://wolfram.com/xid/0gfropdlbat2-9mx7z

https://wolfram.com/xid/0gfropdlbat2-qklph1


https://wolfram.com/xid/0gfropdlbat2-msg5dl

https://wolfram.com/xid/0gfropdlbat2-otmu5l


https://wolfram.com/xid/0gfropdlbat2-ja94by

https://wolfram.com/xid/0gfropdlbat2-mkvnt


https://wolfram.com/xid/0gfropdlbat2-pdtd7l


https://wolfram.com/xid/0gfropdlbat2-bcfmyi

https://wolfram.com/xid/0gfropdlbat2-pgmk4p


https://wolfram.com/xid/0gfropdlbat2-g77g85

https://wolfram.com/xid/0gfropdlbat2-g2zkw5

参数分布 (6)

https://wolfram.com/xid/0gfropdlbat2-9mu7cy

https://wolfram.com/xid/0gfropdlbat2-d2nbm6


https://wolfram.com/xid/0gfropdlbat2-fvnqcz


https://wolfram.com/xid/0gfropdlbat2-kztnfj


https://wolfram.com/xid/0gfropdlbat2-mml7ye


https://wolfram.com/xid/0gfropdlbat2-f1t2eh

https://wolfram.com/xid/0gfropdlbat2-z7tx4z


https://wolfram.com/xid/0gfropdlbat2-nt2325


https://wolfram.com/xid/0gfropdlbat2-jowqet

定义独立 PoissonDistribution 的乘积分布:

https://wolfram.com/xid/0gfropdlbat2-m8zgqq

https://wolfram.com/xid/0gfropdlbat2-ib3ctr


https://wolfram.com/xid/0gfropdlbat2-co1t0e


https://wolfram.com/xid/0gfropdlbat2-qz0yaa

MultivariatePoissonDistribution 没有独立分量:

https://wolfram.com/xid/0gfropdlbat2-ogr5q3


https://wolfram.com/xid/0gfropdlbat2-gbmkcl

创建 StudentTDistribution 的两个独立例子的乘积分布:

https://wolfram.com/xid/0gfropdlbat2-in7t2x

https://wolfram.com/xid/0gfropdlbat2-x8cczy

https://wolfram.com/xid/0gfropdlbat2-cz7o6


https://wolfram.com/xid/0gfropdlbat2-342rch


https://wolfram.com/xid/0gfropdlbat2-ouy3e9

https://wolfram.com/xid/0gfropdlbat2-hvrwb


https://wolfram.com/xid/0gfropdlbat2-deq9q1


https://wolfram.com/xid/0gfropdlbat2-bwnuhe


https://wolfram.com/xid/0gfropdlbat2-eeaytt


https://wolfram.com/xid/0gfropdlbat2-p4g3z0


https://wolfram.com/xid/0gfropdlbat2-lm31az


https://wolfram.com/xid/0gfropdlbat2-dyn9z1


https://wolfram.com/xid/0gfropdlbat2-rp4zp


https://wolfram.com/xid/0gfropdlbat2-ec0m4l


https://wolfram.com/xid/0gfropdlbat2-drtn1w


https://wolfram.com/xid/0gfropdlbat2-duicxo

求 MultinormalDistribution 的边缘:

https://wolfram.com/xid/0gfropdlbat2-3z4s1n

https://wolfram.com/xid/0gfropdlbat2-qsw3lc

https://wolfram.com/xid/0gfropdlbat2-8igz5g

https://wolfram.com/xid/0gfropdlbat2-m56eb

是具有对角协方差矩阵的 MultinormalDistribution:

https://wolfram.com/xid/0gfropdlbat2-x5lvfh


https://wolfram.com/xid/0gfropdlbat2-eot5gl

非参数分布 (3)
定义 SmoothKernelDistribution 的乘积:

https://wolfram.com/xid/0gfropdlbat2-f5jq8p

https://wolfram.com/xid/0gfropdlbat2-ujc4kn

https://wolfram.com/xid/0gfropdlbat2-t9yvgs

从 中创建一个样本并为此定义一个 SmoothKernelDistribution:

https://wolfram.com/xid/0gfropdlbat2-8alr6s

https://wolfram.com/xid/0gfropdlbat2-boj7dq

定义一个 EmpiricalDistribution 的一个乘积:

https://wolfram.com/xid/0gfropdlbat2-6jo8z6

https://wolfram.com/xid/0gfropdlbat2-foar19

定义 HistogramDistribution 的一个乘积分布:

https://wolfram.com/xid/0gfropdlbat2-nm6thp

https://wolfram.com/xid/0gfropdlbat2-wcfjq4


https://wolfram.com/xid/0gfropdlbat2-8bju5j

导出分布 (10)
定义具有 CensoredDistribution 的乘积:

https://wolfram.com/xid/0gfropdlbat2-hx4ndj

https://wolfram.com/xid/0gfropdlbat2-qqe21

MarginalDistribution 选择 ProductDistribution 分量:

https://wolfram.com/xid/0gfropdlbat2-6xc2uc

https://wolfram.com/xid/0gfropdlbat2-7mha58

https://wolfram.com/xid/0gfropdlbat2-htmm9q


https://wolfram.com/xid/0gfropdlbat2-yfisdf

乘积分布的分量假设为是独立的,因此原分布不能恢复,当 非零时:

https://wolfram.com/xid/0gfropdlbat2-oki7tl

从 MixtureDistribution 中创建乘积分布:

https://wolfram.com/xid/0gfropdlbat2-curquo

https://wolfram.com/xid/0gfropdlbat2-1a0t0q


https://wolfram.com/xid/0gfropdlbat2-eomgd4


https://wolfram.com/xid/0gfropdlbat2-kq7m18


https://wolfram.com/xid/0gfropdlbat2-22d7fy

求最小最大 OrderDistribution 的乘积分布:

https://wolfram.com/xid/0gfropdlbat2-gq9pyc

https://wolfram.com/xid/0gfropdlbat2-3f16io


https://wolfram.com/xid/0gfropdlbat2-soub24

定义 ParameterMixtureDistribution 的乘积分布:

https://wolfram.com/xid/0gfropdlbat2-nzn1f9

https://wolfram.com/xid/0gfropdlbat2-xg17js

乘积分布被用于 TransformedDistribution 的输入:

https://wolfram.com/xid/0gfropdlbat2-kxc5wr

求 TransformedDistribution 的乘积分布:

https://wolfram.com/xid/0gfropdlbat2-e71hat

https://wolfram.com/xid/0gfropdlbat2-jlszdr


https://wolfram.com/xid/0gfropdlbat2-zu5ovw

求 TruncatedDistribution 的乘积分布:

https://wolfram.com/xid/0gfropdlbat2-f3r90r

https://wolfram.com/xid/0gfropdlbat2-7js88y


https://wolfram.com/xid/0gfropdlbat2-c6q7cm


https://wolfram.com/xid/0gfropdlbat2-fy7lvr

https://wolfram.com/xid/0gfropdlbat2-flp9rr

求 TruncatedDistribution 的乘积分布:

https://wolfram.com/xid/0gfropdlbat2-q1tksp

https://wolfram.com/xid/0gfropdlbat2-h3h3hj

https://wolfram.com/xid/0gfropdlbat2-xmo9dc


https://wolfram.com/xid/0gfropdlbat2-tucktu


https://wolfram.com/xid/0gfropdlbat2-d149t9

两个 QuantityDistribution 的积的结果是 QuantityDistribution:

https://wolfram.com/xid/0gfropdlbat2-3fl8x5


https://wolfram.com/xid/0gfropdlbat2-h363ms


https://wolfram.com/xid/0gfropdlbat2-883grg


https://wolfram.com/xid/0gfropdlbat2-j24zu1

应用 (8)用该函数可以解决的问题范例

https://wolfram.com/xid/0gfropdlbat2-7usz77

https://wolfram.com/xid/0gfropdlbat2-msj51f


https://wolfram.com/xid/0gfropdlbat2-4c25vt


https://wolfram.com/xid/0gfropdlbat2-iaxsqx


https://wolfram.com/xid/0gfropdlbat2-dxp68z


https://wolfram.com/xid/0gfropdlbat2-nd9qux


https://wolfram.com/xid/0gfropdlbat2-ffwla1

https://wolfram.com/xid/0gfropdlbat2-7t19ek


https://wolfram.com/xid/0gfropdlbat2-fwjik

两个人想要在下午5点到5点半之间于某地见面. 两人的到达时刻在该时间段上相互独立,并各自停留5分钟. 求两人能见面的概率:

https://wolfram.com/xid/0gfropdlbat2-48p2gv


https://wolfram.com/xid/0gfropdlbat2-da8rm7


https://wolfram.com/xid/0gfropdlbat2-b32gvh


https://wolfram.com/xid/0gfropdlbat2-bbj8cu


https://wolfram.com/xid/0gfropdlbat2-bgj1im


https://wolfram.com/xid/0gfropdlbat2-ihdti


https://wolfram.com/xid/0gfropdlbat2-iaoufc

https://wolfram.com/xid/0gfropdlbat2-tvmbi


https://wolfram.com/xid/0gfropdlbat2-bxnbwt


https://wolfram.com/xid/0gfropdlbat2-bb8pcp

https://wolfram.com/xid/0gfropdlbat2-zk9sz
均值的抽样分布由 NormalDistribution[0,1/10] 给出:

https://wolfram.com/xid/0gfropdlbat2-f2hxd5

https://wolfram.com/xid/0gfropdlbat2-bhk5


https://wolfram.com/xid/0gfropdlbat2-ckwazd


https://wolfram.com/xid/0gfropdlbat2-lc89

一种彩票销售10张票,每张票1美元. 每次只有一张彩票中奖. 一位赌徒只有5美元可以用于购买彩票. 求如果该赌徒购买5张属于5种不同类型的彩票时,他的中奖率:

https://wolfram.com/xid/0gfropdlbat2-bm1kiu

https://wolfram.com/xid/0gfropdlbat2-bvbb39


https://wolfram.com/xid/0gfropdlbat2-c48k9f


https://wolfram.com/xid/0gfropdlbat2-gr2ml7


https://wolfram.com/xid/0gfropdlbat2-cxs0cb

在影院买票和买爆米花的等待时间是独立的,它们均是指数分布. 买票的平均等待时间是10分钟,买爆米花是5分钟. 求影迷就坐前等待小于25分钟的概率:

https://wolfram.com/xid/0gfropdlbat2-ucczjm


https://wolfram.com/xid/0gfropdlbat2-5vkn5h


https://wolfram.com/xid/0gfropdlbat2-bot35e


https://wolfram.com/xid/0gfropdlbat2-y90xq

一个工厂生产的圆柱状滚子轴承. 轴承的直径是正态分布,均值为5厘米和标准偏差为0.01厘米. 轴承的长度是正态分布,均值为7厘米和标准偏差为0.01厘米. 假设直径和长度是独立分布的,求轴承的直径或长度不同于均值相差大于0.02厘米的概率.

https://wolfram.com/xid/0gfropdlbat2-pprh9u

https://wolfram.com/xid/0gfropdlbat2-67t9j7


https://wolfram.com/xid/0gfropdlbat2-zegqr5

属性和关系 (7)函数的属性及与其他函数的关联

https://wolfram.com/xid/0gfropdlbat2-btnllm

https://wolfram.com/xid/0gfropdlbat2-d7whv0


https://wolfram.com/xid/0gfropdlbat2-v95zb


https://wolfram.com/xid/0gfropdlbat2-k7czqt

https://wolfram.com/xid/0gfropdlbat2-5wnbd

https://wolfram.com/xid/0gfropdlbat2-j9ikfm


https://wolfram.com/xid/0gfropdlbat2-bg3bdk


https://wolfram.com/xid/0gfropdlbat2-s5njms

PDF 是各分量分布的概率密度分布的乘积:

https://wolfram.com/xid/0gfropdlbat2-cy50co

https://wolfram.com/xid/0gfropdlbat2-phrml


https://wolfram.com/xid/0gfropdlbat2-cactay


https://wolfram.com/xid/0gfropdlbat2-el103m

CDF 是各分量的累积分布函数的乘积:

https://wolfram.com/xid/0gfropdlbat2-fs3nu5

https://wolfram.com/xid/0gfropdlbat2-bl7tkw


https://wolfram.com/xid/0gfropdlbat2-hocjdf


https://wolfram.com/xid/0gfropdlbat2-uxl88n


https://wolfram.com/xid/0gfropdlbat2-fxlohc

https://wolfram.com/xid/0gfropdlbat2-o2xpj5


https://wolfram.com/xid/0gfropdlbat2-fhppg3


https://wolfram.com/xid/0gfropdlbat2-gp8mce


https://wolfram.com/xid/0gfropdlbat2-c5xtc8

https://wolfram.com/xid/0gfropdlbat2-getc7


https://wolfram.com/xid/0gfropdlbat2-cr2pel


https://wolfram.com/xid/0gfropdlbat2-izjl2y


https://wolfram.com/xid/0gfropdlbat2-h1yayf

当协方差矩阵为对角矩阵时,MultinormalDistribution 是乘积分布:

https://wolfram.com/xid/0gfropdlbat2-d7rclv

https://wolfram.com/xid/0gfropdlbat2-hkpgx0


https://wolfram.com/xid/0gfropdlbat2-bw4rd


https://wolfram.com/xid/0gfropdlbat2-jxo4z7

Wolfram Research (2010),ProductDistribution,Wolfram 语言函数,https://reference.wolfram.com/language/ref/ProductDistribution.html (更新于 2016 年).
文本
Wolfram Research (2010),ProductDistribution,Wolfram 语言函数,https://reference.wolfram.com/language/ref/ProductDistribution.html (更新于 2016 年).
Wolfram Research (2010),ProductDistribution,Wolfram 语言函数,https://reference.wolfram.com/language/ref/ProductDistribution.html (更新于 2016 年).
CMS
Wolfram 语言. 2010. "ProductDistribution." Wolfram 语言与系统参考资料中心. Wolfram Research. 最新版本 2016. https://reference.wolfram.com/language/ref/ProductDistribution.html.
Wolfram 语言. 2010. "ProductDistribution." Wolfram 语言与系统参考资料中心. Wolfram Research. 最新版本 2016. https://reference.wolfram.com/language/ref/ProductDistribution.html.
APA
Wolfram 语言. (2010). ProductDistribution. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/ProductDistribution.html 年
Wolfram 语言. (2010). ProductDistribution. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/ProductDistribution.html 年
BibTeX
@misc{reference.wolfram_2025_productdistribution, author="Wolfram Research", title="{ProductDistribution}", year="2016", howpublished="\url{https://reference.wolfram.com/language/ref/ProductDistribution.html}", note=[Accessed: 04-April-2025
]}
BibLaTeX
@online{reference.wolfram_2025_productdistribution, organization={Wolfram Research}, title={ProductDistribution}, year={2016}, url={https://reference.wolfram.com/language/ref/ProductDistribution.html}, note=[Accessed: 04-April-2025
]}