指数族分布是一大类分布，基本形式为：
T(x)是x的充分统计量（能为相应分布提供足够信息的统计量）
为了满足归一化条件，有：
可以看出，当T(x)=x时，e^A(theta)是h(x)的拉普拉斯变换。
指数族分布的例子：
伯努利分布转换成指数族分布形式：
单变量高斯分布的：
多变量高斯分布的：
A（theta）的一阶导：
A（theta）的二阶导：
说明A（theta）是凸函数
计算log likehood，然后对theta求导，可得
而A的二次导时大于零的，所以A的一次导是增函数，上述方程最多只有一个解。
共轭先验：
似然估计：
我们希望：
比如：
一些例子：
黄世宇/Shiyu Huang's Personal Page：https://huangshiyu13.github.io/
