伽玛分布(英语:Gamma distribution)是统计学的一种连续机率分布。伽玛分布中的母数α,称为形状参数,β称为尺度参数。
Gamma
概率密度函数 ![Probability density plots of gamma distributions](//upload.wikimedia.org/wikipedia/commons/thumb/f/fc/Gamma_distribution_pdf.png/325px-Gamma_distribution_pdf.png) |
累积分布函数 ![Cumulative distribution plots of gamma distributions](//upload.wikimedia.org/wikipedia/commons/thumb/a/a9/Gamma_distribution_cdf.png/325px-Gamma_distribution_cdf.png) |
参数 |
shape (real)
scale (real) |
---|
值域 |
![{\displaystyle x\in (0;\infty )\!}](https://wikimedia.org/api/rest_v1/media/math/render/svg/d0ac3b4aa4e92d95eabc77be7aa19c29d55343b2) |
---|
概率密度函数 |
![{\displaystyle x^{k-1}{\frac {\exp {\left(-x/\theta \right)}}{\Gamma (k)\,\theta ^{k}}}\,\!}](https://wikimedia.org/api/rest_v1/media/math/render/svg/172af602ae7be6663d8f58058b6e1cab67c73611) |
---|
累积分布函数 |
![{\displaystyle {\frac {\gamma (k,x/\theta )}{\Gamma (k)}}\,\!}](https://wikimedia.org/api/rest_v1/media/math/render/svg/80be250b1603368e1a5bd74e211c734d20bcb784) |
---|
期望值 |
![{\displaystyle k\theta \,\!}](https://wikimedia.org/api/rest_v1/media/math/render/svg/09d992af91e9bb082caf60bcbee2a0f7a4c73033) |
---|
中位数 |
no simple closed form |
---|
众数 |
for ![{\displaystyle k\geq 1\,\!}](https://wikimedia.org/api/rest_v1/media/math/render/svg/76f945852396fbfa7f0a37fd80bdee1c5e1bfbf1) |
---|
方差 |
![{\displaystyle k\theta ^{2}\,\!}](https://wikimedia.org/api/rest_v1/media/math/render/svg/6ad5d5e6879a48782a7e7f9026e82884631d4804) |
---|
偏度 |
![{\displaystyle {\frac {2}{\sqrt {k}}}\,\!}](https://wikimedia.org/api/rest_v1/media/math/render/svg/c2b9e3e0be057fa12cf1b4c42b32261622650c3d) |
---|
峰度 |
![{\displaystyle {\frac {6}{k}}\,\!}](https://wikimedia.org/api/rest_v1/media/math/render/svg/950ff63899a6fd32c59ea615c2073a69d1b0aa33) |
---|
熵 |
![{\displaystyle k+\ln \theta +\ln \Gamma (k)\!}](https://wikimedia.org/api/rest_v1/media/math/render/svg/1ae69f4ec6d3900d92570f1da9b130d23b712dfb)
![{\displaystyle +(1-k)\psi (k)\!}](https://wikimedia.org/api/rest_v1/media/math/render/svg/1d4c575d926dff7d9f1901cca915a9a80db28dbe) |
---|
矩生成函数 |
for ![{\displaystyle t<1/\theta \,\!}](https://wikimedia.org/api/rest_v1/media/math/render/svg/bf4326a62e7872c59e63a22af5b75af53c3a406b) |
---|
特征函数 |
![{\displaystyle (1-\theta \,i\,t)^{-k}\,\!}](https://wikimedia.org/api/rest_v1/media/math/render/svg/e7e3f419b0064682162332e1fb6f01fe70f9d663) |
---|
假设X1, X2, ... Xn 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+...+Xn)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。
有两种表记方法:
或
两者所表达意义相同,只要将以下式子做 的替换即可,即,其机率密度函数为:
,x > 0
其中Gamma函数之特征为:
-
-
-
-
当两随机变数服从Gamma分布,且相互独立,且母数( 或 )相同时,Gamma分布具有可加性。
-