什么是皮尔逊分布？
皮尔逊分布是由英国统计学家卡尔·皮尔逊（Karl Pearson）于1895年提出的一类连续概率分布。 它通过一个微分方程来定义，能够根据数据的偏度（skewness）和峰度（kurtosis）拟合多种形状的分布。 因其灵活性，皮尔逊系统被广泛应用于金融、生物统计、工程可靠性分析等领域。
皮尔逊分布的数学定义
皮尔逊分布由以下一阶微分方程定义：
dp(x)/dx = [(x - a) / (b₀ + b₁x + b₂x²)] · p(x)
其中 p(x) 是概率密度函数，参数 a, b₀, b₁, b₂ 决定了分布的具体形式。
根据判别式 D = b₁² - 4b₀b₂ 和其他条件，该系统可分为7种主要类型（I–VII）。
皮尔逊分布的类型
根据偏度与峰度的不同组合，皮尔逊系统包含以下常见类型：
类型 I
Beta 分布的推广，适用于有界区间。
类型 II
对称的 Beta 分布，常用于圆形数据。
类型 III
包括 Gamma 分布、指数分布和卡方分布。
类型 IV
非对称、重尾分布，无闭式累积函数。
类型 V
逆 Gamma 分布，用于正偏态数据。
类型 VI
Beta prime 分布或 F 分布的推广。
类型 VII
包括 t 分布，对称重尾。
应用场景
- 金融建模：拟合资产收益率的偏态与厚尾特性。
- 生物统计：描述生长曲线、寿命数据等非正态变量。
- 质量控制：在工业过程中建模非高斯噪声。
- 环境科学：降雨量、污染物浓度等自然现象建模。
为什么使用皮尔逊分布？
相比单一分布（如正态分布），皮尔逊系统能根据样本的前四阶矩（均值、方差、偏度、峰度） 自动选择最合适的分布类型，提供更准确的概率模型。这使其成为探索性数据分析和分布拟合的强大工具。