統計 - Γ分佈



伽馬分佈表示具有兩個引數族的連續機率分佈。伽馬分佈通常採用三種引數組合方式。

  • 形狀引數 $k$ 和尺度引數 $θ$。

  • 形狀引數 $α = k$ 和逆尺度引數 $β = \frac{1}{θ}$,稱為速率引數。

  • 形狀引數 $k$ 和均值引數 $μ = \frac{k}{β}$。

Gamma Distribution

每個引數都是正實數。伽馬分佈是在以下標準下推匯出的最大熵機率分佈。

公式

${E[X] = kθ = \frac{α}{β} > 0 \ 且為固定值。 \\[7pt] E[ln(X)] = ψ(k) + ln(θ) = ψ(α) - ln(β) \ 且為固定值。}$

其中:

  • ${X}$ = 隨機變數。

  • $ψ$ = 雙伽馬函式。

使用形狀 $α$ 和速率 $β$ 的特徵

機率密度函式

伽馬分佈的機率密度函式為:

公式

${f(x; α, β) = \frac{β^α x^{α - 1} e^{-xβ}}{Γ(α)} \ 其中 \ x ≥ 0 \ 且 \ α, β > 0}$

其中:

  • $α$ = 位置引數。

  • $β$ = 尺度引數。

  • $x$ = 隨機變數。

累積分佈函式

伽馬分佈的累積分佈函式為:

公式

${F(x; α, β) = \int_0^x f(u; α, β) du = \frac{γ(α, βx)}{Γ(α)}}$

其中:

  • $α$ = 位置引數。

  • $β$ = 尺度引數。

  • $x$ = 隨機變數。

  • $γ(α, βx)$ = 下不完全伽馬函式。

使用形狀 $k$ 和尺度 $θ$ 的特徵

機率密度函式

伽馬分佈的機率密度函式為:

公式

${f(x; k, θ) = \frac{x^{k - 1} e^{-\frac{x}{θ}}}{θ^k Γ(k)} \ 其中 \ x > 0 \ 且 \ k, θ > 0}$

其中:

  • $k$ = 形狀引數。

  • $θ$ = 尺度引數。

  • $x$ = 隨機變數。

  • $Γ(k)$ = 在 k 處計算的伽馬函式。

累積分佈函式

伽馬分佈的累積分佈函式為:

公式

${F(x; k, θ) = \int_0^x f(u; k, θ) du = \frac{γ(k, \frac{x}{θ})}{Γ(k)}}$

其中:

  • $k$ = 形狀引數。

  • $θ$ = 尺度引數。

  • $x$ = 隨機變數。

  • $γ(k, \frac{x}{θ})$ = 下不完全伽馬函式。

廣告