标签：frac 定义 分布 alpha X2 伽马 Gamma lambda

伽马函数

 伽马函数的定义为 Γ ( α ) = ∫ 0 ∞ x α − 1 e − x d x \Gamma(\alpha)=\int_0^{\infty}x^{\alpha-1}e^{-x}dx Γ(α)=∫0∞​xα−1e−xdx其中参数 α > 0 \alpha>0 α>0。伽马函数具有如下性质：

• Γ ( 1 ) = 1 \Gamma(1)=1 Γ(1)=1， Γ ( 1 2 ) = π \Gamma(\frac{1}{2})=\sqrt{\pi} Γ(21​)=π ​。
• Γ ( α + 1 ) = α Γ ( α ) \Gamma(\alpha+1)=\alpha\Gamma(\alpha) Γ(α+1)=αΓ(α)，当 α \alpha α为自然数 n n n时，有 Γ ( n + 1 ) = n Γ ( n ) = n ! \Gamma(n+1)=n\Gamma(n)=n ! Γ(n+1)=nΓ(n)=n!

伽马分布

 若随机变量 X X X的密度函数为 p ( x ) = { λ α Γ ( α ) x α − 1 e − λ x , x ≥ 0 , 0 , x < 0 , p(x)=\left\{\begin{array}{ll}\frac{\lambda^\alpha}{\Gamma(\alpha)}x^{\alpha-1}e^{-\lambda x},&x \ge 0,\\ 0,&x < 0,\end{array}\right.\\ p(x)={Γ(α)λα​xα−1e−λx,0,​x≥0,x<0,​则称 X X X服从伽马分布，记作 X ∼ G a ( α , λ ) X \sim Ga(\alpha,\lambda) X∼Ga(α,λ)，其中 α > 0 \alpha > 0 α>0为形状参数， λ > 0 \lambda >0 λ>0为尺度参数。

伽马分布 G a ( α , λ ) Ga(\alpha,\lambda) Ga(α,λ)的数学期望和方差

 利用伽马函数的性质，不难算得伽马分布 G a ( α , λ ) Ga(\alpha,\lambda) Ga(α,λ)的数学期望为 E ( X ) = λ α Γ ( α ) ∫ 0 ∞ x α e − λ x d x = Γ ( α + 1 ) Γ ( α ) 1 λ = α λ \mathbb{E}(X)=\frac{\lambda^{\alpha}}{\Gamma (\alpha)}\int_0^\infty x^\alpha e^{-\lambda x}dx=\frac{\Gamma (\alpha +1)}{\Gamma(\alpha)}\frac{1}{\lambda}=\frac{\alpha}{\lambda} E(X)=Γ(α)λα​∫0∞​xαe−λxdx=Γ(α)Γ(α+1)​λ1​=λα​又因为 E ( X 2 ) = λ α Γ ( α ) ∫ 0 ∞ x α + 1 e − λ x d x = Γ ( α + 2 ) λ 2 Γ ( α ) = α ( α + 1 ) λ 2 \mathbb{E}(X^2)=\frac{\lambda^\alpha}{\Gamma(\alpha)}\int ^{\infty}_0x^{\alpha+1}e^{-\lambda x}dx=\frac{\Gamma(\alpha+2)}{\lambda^2\Gamma(\alpha)}=\frac{\alpha(\alpha+1)}{\lambda^2} E(X2)=Γ(α)λα​∫0∞​xα+1e−λxdx=λ2Γ(α)Γ(α+2)​=λ2α(α+1)​由此得 X X X的方差为 V a r ( X ) = E ( X 2 ) − [ E ( X ) ] 2 = α ( α + 1 ) λ 2 − ( α λ ) 2 = α λ 2 \mathrm{Var}(X)=\mathbb{E}(X^2)-[\mathbb{E}(X)]^2=\frac{\alpha(\alpha+1)}{\lambda^2}-\left(\frac{\alpha}{\lambda}\right)^2=\frac{\alpha}{\lambda^2} Var(X)=E(X2)−[E(X)]2=λ2α(α+1)​−(λα​)2=λ2α​

伽马分布的两个特例

指数分布： α = 1 \alpha=1 α=1时的伽马分布就是指数分布，即 G a ( 1 , λ ) = exp ⁡ ( λ ) Ga(1,\lambda)=\exp(\lambda) Ga(1,λ)=exp(λ)
卡方分布：称 α = n / 2 \alpha=n/2 α=n/2， λ = 1 / 2 \lambda=1/2 λ=1/2时的伽马分布是自由度 n n n的 X 2 \mathcal{X}^2 X2（卡方）分布，记为 X 2 ( n ) \mathcal{X}^2(n) X2(n)，即 G a ( n 2 , 1 2 ) = X 2 ( n ) , Ga(\frac{n}{2},\frac{1}{2})=\mathcal{X}^2(n), Ga(2n​,21​)=X2(n),其密度函数为 p ( x ) = { 1 2 n 2 Γ ( n 2 ) e − n 2 x n 2 − 1 , x > 0 0 , x ≤ 0 p(x)=\left\{\begin{array}{ll}\frac{1}{2^{\frac{n}{2}}\Gamma(\frac{n}{2})}e^{-\frac{n}{2}}x^{\frac{n}{2}-1},&x>0\\0,&x \le 0\end{array}\right. p(x)={22n​Γ(2n​)1​e−2n​x2n​−1,0,​x>0x≤0​这里 n n n是 X 2 \mathcal{X}^2 X2分布的唯一参数，称为自由度，它可以是正实数。因为 X 2 \mathcal{X}^2 X2分布是特殊的伽马分布，故由伽马分布的期望和方差，很容易得到 X 2 \mathcal{X}^2 X2分布的期望和方差为 E ( X ) = n , V a r ( X ) = 2 n . \mathbb{E}(X)=n,\mathrm{Var}(X)=2n. E(X)=n,Var(X)=2n.

标签：frac,定义,分布,alpha,X2,伽马,Gamma,lambda
来源： https://blog.csdn.net/qq_38406029/article/details/120225074

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。