gamma分布是一个双参数曲线族。gamma分布模型对指数分布的随机变量进行求和,并推广了卡方分布和指数分布。
统计和机器学习工具箱™ 提供了几种使用gamma分布的方法。
gamma分布使用以下参数。
参数 | 描述 | 金宝app |
---|---|---|
A. |
形状 | A.> 0 |
B |
规模 | B> 0 |
标准的伽马分布有单位尺度。
具有形状参数的两个gamma随机变量之和A.1.和A.2.两者都带有比例参数B是带有形状参数的随机变量吗A.=A.1.+A.2.和比例参数B.
这个似然函数是作为参数的函数的概率密度函数(pdf)。这个最大可能估计(MLEs)是参数估计,最大的似然函数的固定值x
.
的极大似然估计A.和B对于伽马分布,是联立方程的解金宝搏官方网站
在哪里
是样本的平均值吗x1.,x2., …,xN,和Ψ二格函数是什么ψ
.
为了拟合伽玛分布到数据和找到参数估计,使用格姆菲特
,健身师
,或大中型企业
不像格姆菲特
和大中型企业
,返回参数估计值,健身师
返回拟合的概率分布对象GammaDistribution
.对象属性A.
和B
存储参数估计值。
有关示例,请参见将Gamma分布拟合到数据.
分布的pdf是
其中Γ(·)为Gamma函数。
有关示例,请参见计算伽马分布pdf.
伽马分布的累积分布函数(cdf)为
结果P从伽玛分布中单独观察到参数的概率是多少A.和B在间隔[0]中下降x].
有关示例,请参见计算伽马分布cdf.
cdf与不完全函数有关gammainc
通过
用伽马cdf表示的伽马分布的逆累积分布函数(icdf)为
在哪里
结果x是一个值,该值可以通过参数从伽马分布进行观测A.和B落在范围[0]内x)的概率P.
前面的积分方程没有已知的解析解。加米夫
使用迭代方法(牛顿法)收敛于解。
分布的均值是A.B.
分布的方差是A.B2..
生成一个One hundred.
带有形状的随机数3.
和规模5.
.
x=gamrnd(3,5100,1);
用。拟合伽马分布到数据健身师
.
pd=fitdist(x,“伽马”)
a = 2.7783 [2.1374, 3.61137] b = 5.73438 [4.30198, 7.64372]
健身师
返回一个GammaDistribution
对象。参数估计值旁边的区间是分布参数的95%置信区间。
估计参数A.
和B
使用分布函数。
[muhat, muci] = gamfit (x)分布比函数
穆哈特=1×22.7783 5.7344
粘液=2×22.1374 4.3020 3.6114 7.6437
[muhat2, muci2] =大中型企业(x,“分配”,“伽马”)%泛型函数
muhat2 =1×22.7783 5.7344
muci2 =2×22.1374 4.3020 3.6114 7.6437
用几个形状和尺度参数计算伽玛分布的pdf文件。
x=0:0.1:50;y1=gampdf(x,1,10);y2=gampdf(x,3,5);y3=gampdf(x,6,4);
绘制PDF。
图形图(x,y1)保持在情节(x, y2)情节(x, y3)关包含(“观察”) ylabel (的概率密度)传说(‘a=1,b=10’,'a = 3, b = 5','a = 6, b = 4')
使用几个形状和比例参数计算伽马分布的CDF。
x = 0:0.1:50;日元= gamcdf (x 1 10);y2 = gamcdf (x, 3、5);y3 = gamcdf (x 6 4);
绘制CDF。
图形图(x,y1)保持在情节(x, y2)情节(x, y3)关包含(“观察”) ylabel (“累积概率”)传说(‘a=1,b=10’,'a = 3, b = 5','a = 6, b = 4',“地点”,“西北”)
分布具有形状参数 尺度参数 .对于一个大 ,伽马分布与平均值的正态分布非常接近 和方差 .
使用参数计算伽马分布的pdf一个= 100
和b=5
.
一个= 100;b = 5;x = 250:750;y_gam = gampdf (x, a, b);
为了进行比较,计算gamma近似的正态分布的平均值、标准偏差和pdf。
mu=a*b
mu=500
西格玛=sqrt(a*b^2)
西格玛=50
y_norm=normpdf(x,mu,sigma);
在同一个图上绘制伽马分布和正态分布的pdf。
情节(x, y_gam,'-',x,y_范数,'-.')标题(“伽马和正常PDF”)包含(“观察”) ylabel (的概率密度)传说(“伽马分布”,“正态分布”)
正态分布的pdf近似于伽马分布的pdf。
贝塔分布-贝塔分布是一个具有参数的双参数连续分布A.(第一个形状参数)和B(第二个形状参数)。如果X1.和X2.具有带形状参数的标准伽马分布A.1.和A.2.那么分别 有一个带有形状参数的beta分布A.1.和A.2..
卡方分布—卡方分布是一种具有参数的单参数连续分布ν(自由度)。卡方分布等于2=ν和B=2..
指数分布-指数分布是一种具有参数的单参数连续分布μ(的意思)。指数分布等于A.= 1和B=μ. 总数K具有均值的指数分布随机变量μ分布有参数吗A.=K和μ=B.
中川分布-Nakagami分布是具有形状参数的两参数连续分布µ和比例参数ω.如果x有一个Nakagami分布,那么x2.有一个分布A.=μ和A.B=ω.
正态分布—正态分布是一种具有参数的双参数连续分布μ(平均数)及σ(标准偏差)。什么时候A.较大时,伽马分布近似于正态分布μ=A.B和σ2.=A.B2.。有关示例,请参阅比较伽马分布和正态分布PDF.
阿布拉莫维茨、米尔顿和艾琳·a·斯特根编。数学函数手册:有公式,图形,和数学表. 9多佛印刷。;[Nachdr.der Ausg.von 1972]。多佛的数学书籍。纽约:多佛公共图书馆,2013年。
[2] 埃文斯、梅兰、尼古拉斯·黑斯廷斯和布赖恩·皮科克。统计分布第二版。纽约:J.威利,1993年。
[3] 哈恩、杰拉尔德J.和塞缪尔S.夏皮罗。工程统计模型. 威利经典图书馆。纽约:威利,1994年。
[4] 无法无天的,杰拉德F。生命周期数据的统计模型和方法第二版。概率统计中的威利系列。霍博肯,N.J:威利国际科学,2003。
[5] 米克、威廉·Q.和路易斯·A·埃斯科瓦尔。可靠性数据的统计方法.概率与统计中的威利级数。应用概率及统计科。纽约:Wiley, 1998。
[6] Marsaglia, George和Wai Wan Tsang。"一种生成Gamma变量的简单方法"数学软件上的ACM事务26日,没有。3(2000年9月1日):363-72。https://doi.org/10.1007/978-1-4613-8643-8.
GammaDistribution
|gamcdf
|gampdf
|加米夫
|花花公子
|gamstat
|格姆菲特
|甘默德
|randg
|makedist
|健身师