伽玛分布

维基百科，自由的百科全书

**Gamma**
zh-hans:概率;zh-hant:機率密度函數
累積分佈函數
參數	$k > 0\,$ shape (real) $\theta > 0\,$ scale (real)
支撑集	$x \in [0; \infty)\!$
zh-hans:概率密度函數;zh-hant:機率密度函數	$x^{k-1} \frac{\exp{\left(-x/\theta\right)}}{\Gamma(k)\,\theta^k}\,\!$
累積分佈函數	$\frac{\gamma(k, x/\theta)}{\Gamma(k)}\,\!$
期望值	$k \theta\,\!$
中位數	no simple closed form
眾數	$(k-1) \theta\,\!$ for $k \geq 1\,\!$
方差	$k \theta^2\,\!$
偏度	$\frac{2}{\sqrt{k}}\,\!$
峰度	$\frac{6}{k}\,\!$
信息熵	$k + \ln\theta + \ln\Gamma(k) \!$ $+ (1-k)\psi(k) \!$
動差生成函數	$(1 - \theta\,t)^{-k}\,\!$ for $t < 1/\theta\,\!$
特性函数	$(1 - \theta\,i\,t)^{-k}\,\!$

伽玛分布（Gamma distribution）是統計學的一種連續機率函數。Gamma分佈中的參數α，稱為形狀參數（shape parameter），β稱為尺度參數（scale parameter）。

[编辑] 實驗定義與觀念

假設隨機變數X為等到第α件事發生所需之等候時間

[编辑] 機率函數

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

其中Gamma函数之特徵

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

[编辑] Gamma積分

$1= \int_{0}^{\infty}\frac{X^\left(\alpha-1\right)\lambda^\alpha e^\left(-\lambda X\right)}{\Gamma\left(\alpha \right)}dx$

$\Rightarrow \frac{\Gamma\left(\alpha\right)}{\lambda^\alpha} = \int_{0}^{\infty} x^{\alpha-1}e^{-\lambda x} dx$

[编辑] 動差母函數、機率生成函數、期望值、變異數

Gamma分配之動差母函數m.g.f

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

機率生成函數 p.g.f

$K_x\left(t\right) = ln M_x\left( t \right) = \alpha\left[ln\lambda-ln\left(\lambda-t\right)\right]$

期望值

$\frac { dK_x \left( t \right) } {dt} = \frac {\alpha} {\lambda-t} ,when(t=0), E\left( X \right) = \frac{\alpha}{\lambda}$

變異數

$\frac { d^2K_x \left( t \right) } {dt^2} = \frac {\alpha} {\left(\lambda-t\right)^2} ,when(t=0), Var\left( X \right) = \frac{\alpha}{\lambda^2}$

[编辑] Gamma的加成性

當兩隨機變數服從Gamma分配，互相獨立，且單位時間內頻率相同時，Gamma分配具有加成性。

$\coprod \begin{cases} r.v.X\sim \Gamma \left( \alpha_1,{\color{Red}\lambda} \right) \\ r.v.Y\sim \Gamma \left( \alpha_2,{\color{Red}\lambda} \right) \end{cases} \Longrightarrow X+Y\sim \Gamma \left( {\color{red}\alpha_1+\alpha_2},\lambda \right)$

[编辑] 外部連結

分布计算器（英文）

	单随机变量	多随机变量
	概率分布 [ zh-hans:;zh-hant:zh-hans:查看;zh-hant:檢視 • zh-hans:;zh-hant:討論 • zh-hans:;zh-hant:編輯 • zh-hans:;zh-hant:歷史 ]
离散概率分布	伯努利分布 • 二項分佈 • 玻耳兹曼分布 • 复合泊松分布 • 退化分布 • Gauss-Kuzmin分布 • 幾何分佈 • 超几何分布 • 对数分布 • 负二项分布 • 抛物线分形分布 • zh-hans:泊松分布;zh-hant:卜氏分配 • Rademacher分布 • Skellam分布 • 離散型均勻分佈 • Yule-Simon分布 • ζ分布 • 齐夫分布 • 齐夫-曼德尔布罗特定律	Ewens抽样公式 • 多项分布
连续概率分布	β分布 • Beta prime • 柯西分布 • 卡方分佈 • 狄拉克δ函数 • Erlang • 指数分布 • 广义误差分布 • F-分布 • fading • Fisher's z • Fisher-Tippett • Gamma • generalized extreme value • generalized hyperbolic • 广义逆高斯分布 • Half-Logistic • Hotelling's T-square • hyperbolic secant • 超指数分布 • hypoexponential • inverse chi-square • 逆高斯分布 • inverse gamma • Kumaraswamy • Landau • 拉普拉斯分布 • Lévy • 稳定分布 • logistic • 对数正态分布 • 麦克斯韦-玻尔兹曼分布 • Maxwell speed • 正态分布 • Pareto • Pearson • polar • raised cosine • Rayleigh • relativistic Breit-Wigner • 萊斯分配 • 學生t-分佈 • 三角形分布 • type-1 Gumbel • type-2 Gumbel • 連續型均勻分布 • Voigt • von Mises • 韋氏分配 • Wigner semicircle	Dirichlet • Kent • 矩陣常態分配 • 多變量常態分配 • von Mises-Fisher • Wigner quasi • Wishart
其它分布	Cantor • 条件概率 • exponential family • infinitely divisible • location-scale family • marginal • maximum entropy • phase-type • posterior • prior • quasi • 抽樣分配 • singular

分类: 连续概率分布 | 阶乘与二项式主题

See also ebooksgratis.com: no banners, no cookies, totally FREE.