伽马分布
概述
伽马分布是一个双参数曲线族。伽马分布模型是指数分布随机变量的总和,并推广卡方分布和指数分布。
统计和机器学习工具箱™提供了几种处理伽马分布的方法。
参数
伽马分布使用以下参数。
参数 | 描述 | 金宝app |
---|---|---|
一个 |
形状 | 一个> 0 |
b |
规模 | b> 0 |
标准伽马分布有单位尺度。
两个带有形状参数的随机变量的和一个1而且一个2都带有比例参数b是带有形状参数的随机变量吗一个=一个1+一个2和尺度参数b.
参数估计
的似然函数是否将概率密度函数(pdf)视为参数的函数。的最大似然估计的似然函数最大化的参数估计x
.
的极大似然估计一个而且b分布是联立方程的解金宝搏官方网站
在哪里
样本的均值是多少x1,x2、……xn,而且Ψ是函数吗ψ
.
要拟合伽马分布到数据和找到参数估计,使用gamfit
,fitdist
,或大中型企业
.不像gamfit
而且大中型企业
,返回参数估计,fitdist
返回拟合的概率分布对象GammaDistribution
.对象属性一个
而且b
存储参数估计。
示例请参见拟合伽玛分布与数据.
概率密度函数
分布的pdf是
其中Γ(·)是函数。
示例请参见计算伽马分布pdf.
累积分布函数
伽马分布的累积分布函数cdf为
结果p有参数的伽马分布的单个观测的概率是多少一个而且b落在区间[0x]。
示例请参见计算伽马分布cdf.
cdf与不完全函数有关gammainc
通过
逆累积分布函数
关于伽马分布的逆累积分布函数(icdf)是
在哪里
结果x这个值是否可以从带有参数的伽玛分布中观察到一个而且b在[0]的范围内x)的概率p.
上述积分方程没有已知的解析解。gaminv
使用迭代方法(牛顿方法)来收敛于解。
描述性统计
分布的平均值是一个b.
分布的方差是一个b2.
例子
拟合伽玛分布与数据
生成一个One hundred.
有形状的随机数3.
和规模5
.
x = gamrnd (5100,1);
拟合伽马分布的数据使用fitdist
.
pd = fitdist (x,“伽马”)
伽马分布a = 2.7783 [2.1374, 3.61137] b = 5.73438 [4.30198, 7.64372]
fitdist
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。
估计的参数一个
而且b
利用分布函数。
[muhat, muci] = gamfit (x)分布特定函数
muhat =1×22.7783 - 5.7344
muci =2×22.1374 4.3020 3.6114 7.6437
[muhat2, muci2] =大中型企业(x,“分布”,“伽马”)%泛型函数
muhat2 =1×22.7783 - 5.7344
muci2 =2×22.1374 4.3020 3.6114 7.6437
计算伽马分布pdf
计算带有几个形状和尺度参数的伽马分布的pdf。
x = 0:0.1:50;日元= gampdf (x 1 10);y2 = gampdf (x, 3、5);y3 = gampdf (x 6 4);
绘制pdf文档。
图;情节(x, y₁)在情节(x, y2)情节(x, y3)从包含(“观察”) ylabel (的概率密度)传说('a = 1, b = 10','a = 3, b = 5','a = 6, b = 4')
计算伽马分布cdf
计算带有几个形状和尺度参数的伽马分布的cdfs。
x = 0:0.1:50;日元= gamcdf (x 1 10);y2 = gamcdf (x, 3、5);y3 = gamcdf (x 6 4);
绘制cdfs。
图;情节(x, y₁)在情节(x, y2)情节(x, y3)从包含(“观察”) ylabel (“累积概率”)传说('a = 1, b = 10','a = 3, b = 5','a = 6, b = 4',“位置”,“西北”)
比较伽玛分布和正态分布pdf
伽马分布有形状参数 和比例参数 .对于一个大 时,γ分布近似于带均值的正态分布 和方差 .
计算带有参数的伽马分布的pdf一个= 100
而且b = 5
.
一个= 100;b = 5;x = 250:750;y_gam = gampdf (x, a, b);
为了比较,计算平均值,标准偏差,和pdf的正态分布近似。
μa * b =
μ= 500
σ=√6 (a * b ^ 2)
σ= 50
y_norm = normpdf (x,μ、σ);
在同一幅图上绘制伽马分布和正态分布的pdf图。
情节(x, y_gam,“- - -”, x, y_norm“-”。)标题('Gamma和Normal pdf ')包含(“观察”) ylabel (的概率密度)传说(伽马分布的,“正态分布”)
正态分布的pdf近似于伽马分布的pdf。
相关的分布
贝塔分布beta分布是一个有参数的双参数连续分布一个(第一个形状参数)和b(第二形状参数)。如果X1而且X2是否有带有形状参数的标准伽马分布一个1而且一个2分别,然后 有一个带有形状参数的分布吗一个1而且一个2.
卡方分布-卡方分布是一个有参数的单参数连续分布ν(自由度)。卡方分布等于分布2=ν而且b=2.
指数分布指数分布是具有参数的单参数连续分布μ(的意思)。指数分布等于分布一个= 1而且b=μ.的总和k具有均值的指数分布随机变量μ伽马分布有参数吗一个=k而且μ=b.
Nakagami分布- Nakagami分布是一个带形状参数的双参数连续分布µ和尺度参数ω.如果x有中上分布,那么呢x2有伽马分布一个=μ而且一个b=ω.
正态分布—正态分布是一个有参数的双参数连续分布μ(意味着)σ(标准差)。当一个是大的,分布接近于正态分布μ=一个b而且σ2=一个b2.示例请参见比较伽玛分布和正态分布pdf.
参考文献
[1]阿布拉莫维茨,米尔顿,艾琳·a·斯特根,编。数学函数手册:有公式,图和数学表.9.多佛打印。[Nachdr。Ausg。冯1972]。多佛数学丛书。纽约,纽约州:多佛出版社,2013。
[2]埃文斯,梅兰,尼古拉斯·黑斯廷斯,布莱恩·皮科克。统计分布.2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:Wiley, 1994。
[4]劳里斯,杰拉尔德F。寿命数据的统计模型和方法.第2版,概率与统计中的威利级数。霍博肯,新泽西州:威利- interscience, 2003。
[5]米克尔,威廉·Q,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。应用概率与统计科。纽约:Wiley, 1998。
[6] Marsaglia, George和Wai Wan Tsang。生成Gamma变量的简单方法ACM数学软件汇刊26日,没有。3(2000年9月1日):363-72。https://doi.org/10.1007/978-1-4613-8643-8.
另请参阅
GammaDistribution
|gamcdf
|gampdf
|gaminv
|gamlike
|gamstat
|gamfit
|gamrnd
|randg
|makedist
|fitdist