
- 統計教程
- 主頁
- 調整後R方
- 方差分析
- 算術平均數
- 算術中位數
- 算術眾數
- 算術極差
- 條形圖
- 最佳點估計
- β分佈
- 二項分佈
- 布萊克-斯科爾斯模型
- 箱線圖
- 中心極限定理
- 切比雪夫定理
- χ²分佈
- χ²分佈表
- 環狀排列
- 整群抽樣
- 科恩 Kappa 係數
- 組合
- 可重複組合
- 比較圖表
- 連續均勻分佈
- 連續數列算術平均數
- 連續數列算術中位數
- 連續數列算術眾數
- 累積頻率
- 變異係數
- 相關係數
- 累積圖
- 累積泊松分佈
- 資料收集
- 資料收集 - 問卷設計
- 資料收集 - 觀察法
- 資料收集 - 案例研究法
- 資料模式
- 十分位數統計
- 離散數列算術平均數
- 離散數列算術中位數
- 離散數列算術眾數
- 點圖
- 指數分佈
- F分佈
- F檢驗表
- 階乘
- 頻率分佈
- Γ分佈
- 幾何平均數
- 幾何機率分佈
- 擬合優度
- 總平均數
- Gumbel 分佈
- 調和平均數
- 調和數
- 諧振頻率
- 直方圖
- 超幾何分佈
- 假設檢驗
- 個體數列算術平均數
- 個體數列算術中位數
- 個體數列算術眾數
- 區間估計
- 逆Γ分佈
- Kolmogorov-Smirnov 檢驗
- 峰度
- 拉普拉斯分佈
- 線性迴歸
- 對數Γ分佈
- 邏輯迴歸
- 麥克尼馬爾檢驗
- 平均差
- 均值差異
- 多項分佈
- 負二項分佈
- 正態分佈
- 奇排列和偶排列
- 單比例Z檢驗
- 異常值函式
- 排列
- 可重複排列
- 餅圖
- 泊松分佈
- 合併方差 (r)
- 功效計算器
- 機率
- 機率加法定理
- 機率乘法定理
- 機率貝葉斯定理
- 機率密度函式
- 過程能力 (Cp) & 過程效能 (Pp)
- 過程Sigma
- 二次迴歸方程
- 定性資料與定量資料
- 四分位差
- 經驗法則
- 瑞利分佈
- 迴歸截距置信區間
- 相對標準偏差
- 信度係數
- 所需樣本量
- 殘差分析
- 殘差平方和
- 均方根
- 樣本計劃
- 抽樣方法
- 散點圖
- 夏農-維納多樣性指數
- 信噪比
- 簡單隨機抽樣
- 偏度
- 標準差
- 標準誤 (SE)
- 標準正態分佈表
- 統計顯著性
- 統計公式
- 統計符號
- 莖葉圖
- 分層抽樣
- 學生t檢驗
- 平方和
- t分佈表
- TI 83 指數迴歸
- 轉換
- 截尾均值
- I型和II型錯誤
- 方差
- 韋恩圖
- 大數弱定律
- Z表
- 統計有用資源
- 統計 - 討論
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 $μ = \frac{k}{β}$。

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