Generador y visualizador de distribución Dirichlet

Genere vectores de probabilidad (cada componente ≥0 y la suma total es 1), luego visualice gráficos marginales y simples.

Todo se ejecuta en tu navegador; no se sube nada. Las URL para compartir contienen solo configuraciones (no se generan muestras).

El modo seguro utiliza CSPRNG. El modo semilla es para reproducibilidad, no para secreto.

Otros idiomas 日本語 | English | Español | Français

¿Qué es una distribución de Dirichlet?

un Distribución de Dirichlet es una distribución sobre vectores de probabilidad (x1,…,xK) donde cada componente es no negativo y el total suma 1. Este espacio se llama simplex.

Casos de uso comunes: antecedentes bayesianos para probabilidades categóricas, proporciones temáticas, ponderaciones de mezclas y datos de prueba similares a probabilidades. No es necesario ingresar información personal para usarlo.

Preajustes

Elija un ajuste preestablecido práctico (se regenera instantáneamente; puede modificarlo después de aplicarlo).

Consejo: Para K grande, use el perfil JSON para compartir en lugar de URL largas.

Generador

Elija una parametrización, genere muestras y luego inspeccione medias, marginales y diagnósticos.

Todos los componentes utilizan α_i = α. Buen punto de partida para ver “esquina vs centro”.

Mostrar componentes (marginales)

Se utilizan hasta 5 componentes para histogramas marginales. (Para K grande, la lista de casillas de verificación está oculta; use la entrada de índice).

Estadísticas por componente

Componente Teoría media Media muestral Teoría var var muestra

Vista previa de muestras (primeros 20)

Perfil JSON (guardar/restaurar configuración)

Las URL para compartir solo contienen configuraciones. Para K grande, use el perfil JSON para guardar/restaurar sin URL largas.

Consejo: no incluya etiquetas confidenciales (nombres de clientes, etc.) en perfiles compartidos.

Cómo usar esta herramienta

Use esta página para generar vectores de probabilidad que deben permanecer no negativos y sumar 1.

Uso en 3 pasos

  1. Empiece con una dimensión pequeña, por ejemplo K=3, y un preset fácil de interpretar.
  2. Genere la muestra y revise juntas las medias teóricas, las marginales y la vista previa de filas.
  3. Cambie un solo α o la concentración total cada vez para separar cambios de media y de concentración.

Cómo leer el resultado

Cada fila es un vector de probabilidad. Las medias muestran la cuota esperada de cada componente, y la concentración controla qué tan cerca permanecen las muestras de esa media. Como todo debe sumar 1, si una componente sube, otra pierde espacio.

Qué comprobar en valores límite

Preguntas frecuentes

¿Por qué los componentes se correlacionan negativamente?
Porque todos los componentes deben sumar 1, aumentar uno tiende a reducir al menos otro.
¿Por qué las muestras se pegan a las esquinas?
Si uno o más α son menores que 1, o la concentración total es pequeña, la densidad se mueve hacia los límites del simplex.
¿Por qué una fila exportada puede dejar de sumar 1 exactamente?
El redondeo puede romper la igualdad exacta aunque la muestra interna siga sumando 1 antes de exportarse.
¿En qué se diferencia de Beta?
Dirichlet maneja vectores de probabilidades, mientras que Beta es el caso especial de dos componentes visto por un componente.
¿Qué debo hacer primero en esta página?
Empiece con un caso base de baja dimensión y después cambie solo un α o la concentración.