让

$$G \sim \textsf{DP}(\alpha, H)$$ 这表示随机分布$G$本身根据具有浓度参数的狄利克雷过程分布$\alpha$和基础分布$H$. 有一个明确的表示$G$它有助于理解基本分布的作用及其与“集群”的关系。尤其是，$G$是具有随机支持点和随机权重的离散分布： $$G = \sum_{c=1}^\infty w_c\, \delta_{\theta_c} ,$$ 在哪里$\delta_x$是一个点质量，位于$x$和$\sum_{c=1}^\infty w_c = 1$. 分量权重的分布$w = (w_1, w_2, \ldots)$以及相应的组件参数$\theta = (\theta_1, \theta_2, \ldots)$由 $$\begin{align} w &\sim \textsf{Stick}(\alpha) \\ \theta_c &\stackrel{\text{iid}}{\sim} H . \end{align}$$ 断棒重量是根据 $$w_c = v_c \prod_{\ell = 1}^{c-1} (1 - v_\ell) \qquad\text{where $v_c \stackrel{\text{iid}}{\sim} \textsf{Beta}(1,\alpha)$} .$$ 基础分布决定了支撑点的位置，而断棒权重决定了聚类的数量。

在极限为$\alpha \to 0$，第一个权重接近统一：$w_1 \to 1$, 在这种情况下随机分布$G$有一个支撑点。在这种情况下，任何平局$G$与基本分布完全不同$H$. 反其道而行之，如$\alpha \to \infty$，没有有限的权重集合占主导地位，并且每次随机抽取$G$变得任意接近$H$（即，变得专注于$H$）。

可以引入指示集群分配的分类并整合权重，将一个留给中国餐厅流程来进行（表）分配。然后使用基本分布来确定表的主菜。