数据与智能 本公众号关注大数据与人工智能技术。由一批具备多年实战经验的技术极客参与运营管理，持续输出大数据、数据分析、推荐系统、机器学习、人工智能等方向的原创文章，每周至少输出10篇精品原创。同时，我们会关注和分享大数据与人工智能行业动态。欢迎关注。
作者：stephenDC
在《Pattern Recognition and Machine Learning》一书的第2章第4节，作者Bishop对指数分布族进行了非常全面系统的讲解。
本文绝大部分都可以看做是原文的直接翻译，部分加入了自己的思考，有些公式推导可能与原文略有不同。本人自认不能写的更好，因此手头有这本书的读者朋友，建议去看原文。
我们为什么要研究指数分布族呢？
主要有两个原因：一是因为指数分布族所包含的各种概率分布非常常用；二是指数分布族具有很好的性质，非常好用。
下文先给出指数分布族的定义，然后举出指数分布族的三个常见的实例，最后说明指数分布族的极大似然估计、充分统计量、共轭先验和无信息先验等性质。
- 指数分布族的定义
- 三个实例
下面我们证明，伯努利分布，多项式分布和高斯分布，都可以写成以上定义的形式。
- 极大似然估计
- 充分统计量
（点击上图可跳转去阅读《极大似然估计、极大后验估计和贝叶斯估计》原文）
- 共轭先验
- 无信息先验
小结
读到这里，不妨思考一个问题，指数分布族为什么要这样定义？
篇幅有限，有兴趣的同学，欢迎评论区交流。