跳到主要内容

多元分布

向量一律是 LIST(DOUBLE);矩阵(协方差、尺度)是行主序摊平的 LIST(DOUBLE)。 2x2 单位矩阵写成 [1.0, 0.0, 0.0, 1.0]。

sr_multivariate_normal_pdf(x, mean, covariance)​

签名:sr_multivariate_normal_pdf(x DOUBLE[], mean DOUBLE[], covariance DOUBLE[]) -> DOUBLE

x 在给定均值向量与协方差矩阵下的多元正态密度。

covariance 的长度必须是 len(mean)²。不匹配会报查询错误(statrs 内部 nalgebra::from_vec 的 panic 已在 SQL 边界拦下)。

SELECT sr_multivariate_normal_pdf([0.0, 0.0], [0.0, 0.0], [1.0, 0.0, 0.0, 1.0])
-- 0.15915494309189535

数值 1/(2π) 就是标准二元正态在原点的密度。

sr_multivariate_normal_ln_pdf(x, mean, cov)​

签名:sr_multivariate_normal_ln_pdf(x DOUBLE[], mean DOUBLE[], covariance DOUBLE[]) -> DOUBLE

x 的多元正态对数密度——等价于 ln(sr_multivariate_normal_pdf(...)),但不经过中间的指数运算, 密度下溢成 0 的深尾区域里它仍然是有限值。

SELECT sr_multivariate_normal_ln_pdf([1.0, 1.0], [0.0, 0.0], [1.0, 0.0, 0.0, 1.0])
-- -2.8378770664093453

sr_multivariate_normal_min(mean, cov)​

签名:sr_multivariate_normal_min(mean DOUBLE[], cov DOUBLE[]) -> DOUBLE[]

支撑集下界:与均值向量同维的全 -inf 向量。

SELECT sr_multivariate_normal_min([0.0, 0.0], [1.0, 0.0, 0.0, 1.0])
-- [-inf, -inf]

sr_multivariate_normal_max(mean, cov)​

签名:sr_multivariate_normal_max(mean DOUBLE[], cov DOUBLE[]) -> DOUBLE[]

支撑集上界:与均值向量同维的全 +inf 向量。

SELECT sr_multivariate_normal_max([0.0, 0.0], [1.0, 0.0, 0.0, 1.0])
-- [inf, inf]

sr_multivariate_normal_entropy(mean, cov)​

签名:sr_multivariate_normal_entropy(mean DOUBLE[], cov DOUBLE[]) -> DOUBLE

多元正态分布的微分熵(由均值向量与行主序展平的协方差矩阵给出)。

SELECT sr_multivariate_normal_entropy([0.0, 0.0], [1.0, 0.0, 0.0, 1.0])
-- 2.8378770664093453

sr_multivariate_normal_mean(mean, cov)​

签名:sr_multivariate_normal_mean(mean DOUBLE[], cov DOUBLE[]) -> DOUBLE[]

多元正态分布的均值向量。

SELECT sr_multivariate_normal_mean([0.0, 0.0], [1.0, 0.0, 0.0, 1.0])
-- [0.0, 0.0]

sr_multivariate_normal_mode(mean, cov)​

签名:sr_multivariate_normal_mode(mean DOUBLE[], cov DOUBLE[]) -> DOUBLE[]

多元正态分布的众数向量(等于均值向量)。

SELECT sr_multivariate_normal_mode([0.0, 0.0], [1.0, 0.0, 0.0, 1.0])
-- [0.0, 0.0]

sr_multivariate_normal_variance(mean, cov)​

签名:sr_multivariate_normal_variance(mean DOUBLE[], cov DOUBLE[]) -> DOUBLE[]

多元正态分布的协方差矩阵(行主序展平为 LIST)。

SELECT sr_multivariate_normal_variance([0.0, 0.0], [1.0, 0.0, 0.0, 1.0])
-- [1.0, 0.0, 0.0, 1.0]

sr_multivariate_normal_precision(mean, cov)​

签名:sr_multivariate_normal_precision(mean DOUBLE[], cov DOUBLE[]) -> DOUBLE[]

精度矩阵 Σ⁻¹,即协方差矩阵的逆,行主序展平为 LIST。

与 variance 不同 —— 后者把你传进去的协方差原样还回来,这个返回的是 statrs 真算出来的矩阵 (构造时由 Cholesky 分解得到),也就是密度指数项 -(1/2)·(x-μ)ᵀ·Σ⁻¹·(x-μ) 里的那个 Σ⁻¹。 DuckDB 没有矩阵求逆,SQL 侧推不出来。

SELECT sr_multivariate_normal_precision([0.0, 0.0], [1.0, 0.0, 0.0, 1.0])
-- [1.0, 0.0, 0.0, 1.0]

单位阵的逆还是单位阵;对角情形能直接看出求逆:diag(2, 4)⁻¹ = diag(1/2, 1/4) —— 1/2 在二进制 浮点下打印出来就是 0.49999999999999994。

SELECT sr_multivariate_normal_precision([0.0, 0.0], [2.0, 0.0, 0.0, 4.0])
-- [0.49999999999999994, 0.0, 0.0, 0.25]

sr_multivariate_students_t_pdf(x, location, scale, freedom)​

签名:sr_multivariate_students_t_pdf(x DOUBLE[], location DOUBLE[], scale DOUBLE[], freedom DOUBLE) -> DOUBLE

多元 Student's t 密度。当 location = 0、scale = I、x = 0 时与多元正态同形。

SELECT sr_multivariate_students_t_pdf([0.0, 0.0], [0.0, 0.0], [1.0, 0.0, 0.0, 1.0], 3.0)
-- 0.1591549430918955

sr_multivariate_students_t_ln_pdf(x, location, scale, freedom)​

签名:sr_multivariate_students_t_ln_pdf(x DOUBLE[], location DOUBLE[], scale DOUBLE[], freedom DOUBLE) -> DOUBLE

多元 Student's t 的对数密度。freedom 增大时取值收敛到多元正态的 ln_pdf。

SELECT sr_multivariate_students_t_ln_pdf([1.0, 1.0], [0.0, 0.0], [1.0, 0.0, 0.0, 1.0], 4.0)
-- -3.0542723907338383

sr_multivariate_students_t_mean(location, scale, freedom)​

签名:sr_multivariate_students_t_mean(location DOUBLE[], scale DOUBLE[], freedom DOUBLE) -> DOUBLE[]

多元 Student's t 分布的均值向量(等于 location)。仅当 freedom > 1 有定义,否则结果为 NULL。

SELECT sr_multivariate_students_t_mean([-1.0, 1.0, 3.0], [1.0, 0.0, 0.5, 0.0, 2.0, 0.0, 0.5, 0.0, 3.0], 2.0)
-- [-1.0, 1.0, 3.0]

sr_multivariate_students_t_variance(location, scale, freedom)​

签名:sr_multivariate_students_t_variance(location DOUBLE[], scale DOUBLE[], freedom DOUBLE) -> DOUBLE[]

协方差矩阵 scale · ν / (ν − 2),行主序展平为 LIST。仅当 freedom > 2 有定义,否则结果为 NULL。

SELECT sr_multivariate_students_t_variance([0.0, 0.0], [1.0, 0.0, 0.0, 1.0], 3.0)
-- [3.0, 0.0, 0.0, 3.0]

sr_multivariate_students_t_precision(location, scale, freedom)​

签名:sr_multivariate_students_t_precision(location DOUBLE[], scale DOUBLE[], freedom DOUBLE) -> DOUBLE[]

精度矩阵 scale⁻¹,即尺度矩阵的逆,行主序展平为 LIST。

别和 variance 搞混:那个是 scale · ν / (ν − 2)(真正的协方差,会随自由度变),这个恰是 scale⁻¹,完全不含 freedom —— 只由 scale 决定。statrs 在构造时经 Cholesky 分解算出并 缓存,DuckDB 没有矩阵求逆,SQL 侧推不出来。

SELECT sr_multivariate_students_t_precision([0.0, 0.0], [1.0, 0.0, 0.0, 1.0], 3.0)
-- [1.0, 0.0, 0.0, 1.0]
SELECT sr_multivariate_students_t_precision([0.0, 0.0], [2.0, 0.0, 0.0, 4.0], 3.0)
-- [0.49999999999999994, 0.0, 0.0, 0.25]

sr_multivariate_students_t_min(location, scale, freedom)​

签名:sr_multivariate_students_t_min(location DOUBLE[], scale DOUBLE[], freedom DOUBLE) -> DOUBLE[]

支撑集下界:与 location 同维的全 -inf 向量。

SELECT sr_multivariate_students_t_min([0.0, 0.0], [1.0, 0.0, 0.0, 1.0], 3.0)
-- [-inf, -inf]

sr_multivariate_students_t_max(location, scale, freedom)​

签名:sr_multivariate_students_t_max(location DOUBLE[], scale DOUBLE[], freedom DOUBLE) -> DOUBLE[]

支撑集上界:与 location 同维的全 +inf 向量。

SELECT sr_multivariate_students_t_max([0.0, 0.0], [1.0, 0.0, 0.0, 1.0], 3.0)
-- [inf, inf]

sr_multivariate_students_t_mode(location, scale, freedom)​

签名:sr_multivariate_students_t_mode(location DOUBLE[], scale DOUBLE[], freedom DOUBLE) -> DOUBLE[]

多元 Student's t 分布的众数向量。

SELECT sr_multivariate_students_t_mode([0.0, 0.0], [1.0, 0.0, 0.0, 1.0], 3.0)
-- [0.0, 0.0]

sr_dirichlet_pdf(x, alpha)​

签名:sr_dirichlet_pdf(x DOUBLE[], alpha DOUBLE[]) -> DOUBLE

x 在单纯形上、Dirichlet(alpha) 分布下的密度。x 与 alpha 长度必须一致。

SELECT sr_dirichlet_pdf([0.5, 0.5], [1.0, 1.0])
-- 1.0000000000000009

alpha = (1, 1) 时 Dirichlet 就是单纯形上的均匀分布,密度处处为 1。

sr_dirichlet_ln_pdf(x, alpha)​

签名:sr_dirichlet_ln_pdf(x DOUBLE[], alpha DOUBLE[]) -> DOUBLE

x 在单纯形上的对数密度。x 的每个分量都必须落在 (0, 1) 内且分量和为 1(容差 1e-4)—— 违反是 statrs 的断言失败,会以查询错误的形式浮上来。

SELECT sr_dirichlet_ln_pdf([0.1, 0.2, 0.3, 0.4], [0.1, 0.3, 0.5, 0.8])
-- -0.18456529434757482

sr_dirichlet_mean(alpha)​

签名:sr_dirichlet_mean(alpha DOUBLE[]) -> DOUBLE[]

Dirichlet 分布的均值向量:alpha_i / alpha_0(alpha_0 为浓度参数之和)。

SELECT sr_dirichlet_mean([1.0, 2.0, 3.0, 4.0])
-- [0.1, 0.2, 0.3, 0.4]

sr_dirichlet_variance(alpha)​

签名:sr_dirichlet_variance(alpha DOUBLE[]) -> DOUBLE[]

Dirichlet 分布的协方差矩阵,行主序展平为长度 len(alpha)² 的 LIST。

SELECT sr_dirichlet_variance([1.0, 2.0])
-- [0.05555555555555556, -0.05555555555555556, -0.05555555555555556, 0.05555555555555556]

sr_dirichlet_entropy(alpha)​

签名:sr_dirichlet_entropy(alpha DOUBLE[]) -> DOUBLE

Dir(alpha) 的微分熵。

SELECT sr_dirichlet_entropy([1.0, 1.0])
-- -8.881784197001252e-16

alpha = (1, 1) 时熵为 0;这个极小的负值只是浮点噪声。

sr_multinomial_pmf(probs, trials, counts)​

签名:sr_multinomial_pmf(probs DOUBLE[], trials UBIGINT, counts UBIGINT[]) -> DOUBLE

多项式分布下计数向量的概率质量。

  • probs:各类别概率(statrs 内部会归一化)
  • trials:总试验次数,UBIGINT
  • counts:各类别的观测数,LIST(BIGINT)

counts 之和必须等于 trials。trials 不是整数会报查询错误。

SELECT sr_multinomial_pmf([0.5, 0.5], 4, [2::UBIGINT, 2::UBIGINT])
-- 0.3750000000000001
SELECT sr_multinomial_pmf([0.5, 0.5], 4.5, [2::UBIGINT, 2::UBIGINT])
-- error: no matching signature: trials is UBIGINT, so 4.5 does not bind

sr_multinomial_ln_pmf(probs, trials, counts)​

签名:sr_multinomial_ln_pmf(probs DOUBLE[], trials UBIGINT, counts UBIGINT[]) -> DOUBLE

计数向量的对数概率质量。与 pmf 不同,counts 之和不为 trials 不是错误,而是合法的 -inf(概率 0 的对数)。trials 很大时对数形式保持有限,概率质量本身会下溢成 0。

SELECT sr_multinomial_ln_pmf([0.5, 0.5], 2000, [1000::UBIGINT, 1000::UBIGINT])
-- -4.026367582410558

sr_multinomial_mean(probs, trials)​

签名:sr_multinomial_mean(probs DOUBLE[], trials UBIGINT) -> DOUBLE[]

多项式分布的均值向量:每个类别 n · p_i。

SELECT sr_multinomial_mean([0.3, 0.7], 5)
-- [1.5, 3.5]

sr_multinomial_variance(probs, trials)​

签名:sr_multinomial_variance(probs DOUBLE[], trials UBIGINT) -> DOUBLE[]

多项式分布的协方差矩阵,行主序展平为长度 len(probs)² 的 LIST:对角线 n · p_i · (1 − p_i), 非对角线 −n · p_i · p_j。

SELECT sr_multinomial_variance([0.1, 0.3, 0.6], 10)
-- [0.9, -0.3, -0.6, -0.3, 2.1, -1.8, -0.6, -1.8, 2.4]

形状校验​

矩阵参数的长度会与向量长度对齐检查:

SELECT sr_multivariate_normal_pdf([0.0, 0.0], [0.0, 0.0], [1.0, 0.0])
-- error: sr_multivariate_normal_pdf: expected 4 entries for a 2x2 covariance matrix (row-major), got 2