伽馬函數(shù)和伽馬分布

伽馬函數(shù)

伽馬函數(shù)可以通過歐拉(Euler)第二類積分定義:
\Gamma(x) = \int_0^\infty x^{\alpha-1}e^{-x}dx
其中參數(shù)\alpha>0

伽馬函數(shù)的性質:
1.\Gamma(1)=1,\Gamma(\frac{1}{2})= \sqrt{\pi}\\ 2.\Gamma(\alpha+1)=\alpha\Gamma(\alpha)(可用分部積分法證得)\\ 當\alpha為自然數(shù)n時,有\(zhòng)Gamma(n+1)=n\Gamma(n)=n!

伽馬分布

若隨機變量X的密度函數(shù)為
f(z)=\left\{ \begin{array}{rcl}\frac{\lambda^\alpha}{\Gamma(\alpha)}x^{\alpha-1}e^{-\lambda x},x\geq0\\ 0 , x<0 \end{array}\right.
則稱X服從伽馬分布,記作X\sim Ga(\alpha,\lambda),其中\alpha >0為形狀參數(shù),\lambda >0為尺度參數(shù)。

伽馬分布的數(shù)學期望和方差

E(X) =\frac{\lambda^\alpha}{\Gamma(\alpha)}\int _0^\infty x^{\alpha}e^{-\lambda x}\\ =\frac{\Gamma(\alpha+1)}{\Gamma(\alpha)}\frac{1}{\lambda}=\frac{\alpha}{\lambda}\\ E(X^2) = \frac{\lambda^\alpha}{\Gamma(\alpha)}\int _0^\infty x^{\alpha+1}e^{-\lambda x}\\ =\frac{\Gamma(\alpha+2)}{\Gamma(\alpha)}\frac{1}{\lambda^2}=\frac{\alpha(\alpha+1)}{\lambda^2}\\ Var(X) = E(X^2)-E(X)^2 = \frac{\alpha}{\lambda^2}

伽馬分布的兩個特例

(1)\alpha=1時的伽馬分布就是指數(shù)分布,即
Ga(1,\lambda)=Exp(\lambda)
(2)稱\alpha=n/2,\lambda=1/2時的伽馬分布是自由度為n的卡方分布,記為\chi^2(n),即
Ga(\frac{n}{2},\frac{1}{2})=\chi^2(n)
密度函數(shù)為
f(z)=\left\{ \begin{array}{rcl}\frac{1}{2^{\frac{n}{2}}\Gamma(\frac{n}{2})}x^{\frac{n}{2}-1}e^{-\frac{x}{2}},x\geq0\\ 0 , x<0 \end{array}\right.
這里的n是\chi^2分布的唯一參數(shù),稱為自由度,它可以是正實數(shù),但更多的是取正整數(shù),\chi^2分布是統(tǒng)計學中的一個重要分布。

由伽馬分布的期望和方差,很容易可以得到卡方分布的期望和方差為
E(X)=n,Var(X)=2n

伽馬分布的常見特殊值
最后編輯于
?著作權歸作者所有,轉載或內容合作請聯(lián)系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發(fā)布,文章內容僅代表作者本人觀點,簡書系信息發(fā)布平臺,僅提供信息存儲服務。

推薦閱讀更多精彩內容