伽玛分布

**Gamma**
	概率密度函数
	累积分布函数
参数	shape (real); scale (real)
值域
概率密度函数
累积分布函数
期望
中位数	no simple closed form
众数	for
方差
偏度
峰度
熵	;
矩生成函数	for
特征函数

伽玛分布（英语：Gamma distribution）是统计学的一种连续概率分布。伽玛分布中的参数α，称为形状参数，β称为尺度参数。

实验定义与观念

假设X₁, X₂, ... X_n 为连续发生事件的等候时间，且这n次等候时间为独立的，那么这n次等候时间之和Y (Y=X₁+X₂+...+X_n)服从伽玛分布，即 Y~Gamma(α , β)，亦可记作Y~Gamma(α , λ)，其中α = n，而 β 与λ互为倒数关系，λ 表单位时间内事件的发生率。

指数分布为α = 1的伽玛分布。

记号

有两种表记方法：

$X\sim \Gamma (\alpha ,\beta )$ 或 $X\sim \Gamma (\alpha ,\lambda )$

两者所表达意义相同，只要将以下式子做 ${\displaystyle {\color {Red}\lambda ={\frac {1}{\beta ))))$ 的替换即可，即，其概率密度函数为：

$f\left(x\right)={\frac {x^{\left(\alpha -1\right)}{\color {Red}\lambda }^{\alpha }e^{\left(-{\color {Red}\lambda }x\right))){\Gamma \left(\alpha \right)))={\frac {x^{\left(\alpha -1\right)}e^{\left(-{\color {Red}{\frac {1}{\beta ))}x\right)))((\color {Red}\beta }^{\alpha }\Gamma \left(\alpha \right)))$ ，x > 0

其中Gamma函数之特征为：

${\begin{cases}\Gamma (\alpha )=(\alpha -1)!&{\mbox{if ))\alpha {\mbox{ is ))\mathbb {Z} ^{+}\\\Gamma (\alpha )=(\alpha -1)\Gamma (\alpha -1)&{\mbox{if ))\alpha {\mbox{ is ))\mathbb {R} ^{+}\\\Gamma \left({\frac {1}{2))\right)={\sqrt {\pi ))\end{cases))$

特性

母函数、期望、方差

Gamma分配的矩母函数（m.g.f）

{\displaystyle M_{x}\left(t\right)=E\left(e^{xt}\right)={\frac {\lambda ^{\alpha )){\Gamma \left(\alpha \right)))\int _{0}^{\infty }e^{xt}x^{\alpha -1}e^{-\lambda x}dx=\left({\frac {\lambda }{\lambda -t))\right)^{\alpha }=\left(1-{\beta }{t}\right)^{-\alpha ))

概率母函数（p.g.f）

K_{x}\left(t\right)=\ln M_{x}\left(t\right)=\alpha \left[\ln \lambda -\ln \left(\lambda -t\right)\right]

期望

{\displaystyle {\frac {dK_{x}\left(t\right)}{dt))={\frac {\alpha }{\lambda -t)),\quad when(t=0),E\left(X\right)={\frac {\alpha }{\color {Red}\lambda ))=\alpha {\color {Red}\beta ))

方差

{\displaystyle {\frac {d^{2}K_{x}\left(t\right)}{dt^{2))}={\frac {\alpha }{\left(\lambda -t\right)^{2))},\quad when(t=0),\sigma ^{2}\left(X\right)={\frac {\alpha }{\color {Red}{\lambda ^{2))))=\alpha {\color {Red}{\beta ^{2))))

Gamma的可加性

当两随机变量服从Gamma分布，且相互独立，且参数（ $\lambda$ 或 $\beta$ ）相同时，Gamma分布具有可加性。

\coprod {\begin{cases}r.v.X\sim \Gamma \left({\color {green}\alpha _{1)),\lambda \right)\\r.v.Y\sim \Gamma \left({\color {green}\alpha _{2)),\lambda \right)\end{cases))\Longrightarrow X+Y\sim \Gamma \left({\color {green}\alpha _{1}+\alpha _{2)),\lambda \right)

外部链接

LDA-math-神奇的Gamma函数（页面存档备份，存于互联网档案馆）
分布计算器（页面存档备份，存于互联网档案馆）（英文）

分类

伽玛分布

实验定义与观念

记号

特性

母函数、期望、方差

Gamma的可加性

外部链接

Suggest as cover photo

Thank you for helping!

Install Wikiwand

Don't forget to rate us

Tell your friends about Wikiwand!

Enjoying Wikiwand?

Tell your friends and spread the love:

Your preferred languages

All languages

Follow Us

Don't forget to rate us

Our magic isn't perfect

Thank you for helping!

Oh no, there's been an error

**Gamma**
概率密度函数
累积分布函数
参数	$k>0\,$ shape (real) $\theta >0\,$ scale (real)
值域	$x\in (0;\infty )\!$
概率密度函数	$x^{k-1}{\frac {\exp {\left(-x/\theta \right))){\Gamma (k)\,\theta ^{k))}\,\!$
累积分布函数	${\frac {\gamma (k,x/\theta )}{\Gamma (k)))\,\!$
期望	$k\theta \,\!$
中位数	no simple closed form
众数	$(k-1)\theta \,\!$ for $k\geq 1\,\!$
方差	$k\theta ^{2}\,\!$
偏度	${\frac {2}{\sqrt {k))}\,\!$
峰度	${\frac {6}{k))\,\!$
熵	$k+\ln \theta +\ln \Gamma (k)\!$ $+(1-k)\psi (k)\!$
矩生成函数	$(1-\theta \,t)^{-k}\,\!$ for $t<1/\theta \,\!$
特征函数	$(1-\theta \,i\,t)^{-k}\,\!$