伽马分布
概述
伽马分布是一个双参数曲线族。伽玛分布对指数分布随机变量的和建模,并推广卡方分布和指数分布。
统计和机器学习工具箱™提供了几种方法来处理伽玛分布。
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 |
标准伽马分布具有单位尺度。
两个带有形状参数的随机变量的和一个1而且一个2都有比例参数b是一个随机变量的形状参数一个=一个1+一个2和比例参数b.
参数估计
的似然函数概率密度函数(pdf)被视为参数的函数。的最大似然估计(MLEs)是使的固定值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
样本是样本的均值吗x1,x2、……xn,而且Ψ是函数吗ψ
.
要使伽玛分布适合数据并找到参数估计,请使用gamfit
,fitdist
,或大中型企业
.不像gamfit
而且大中型企业
,返回参数估计值,fitdist
返回拟合的概率分布对象GammaDistribution
.对象属性一个
而且b
存储参数估计值。
有关示例,请参见拟合伽玛分布到数据.
概率密度函数
分布的pdf是
其中Γ(·)是Gamma函数。
有关示例,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有参数的伽玛分布的一次观测的概率是多少一个而且b落在区间[0]内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
逆累积分布函数
伽玛分布的逆累积分布函数(icdf)以伽玛cdf表示
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测到一个而且b落在[0]范围内x有概率地p.
上述积分方程没有已知的解析解。gaminv
使用迭代方法(牛顿法)收敛于解。
描述性统计
分布的均值是一个b.
分布的方差是一个b2.
例子
拟合伽玛分布到数据
生成One hundred.
有形状的随机数3.
和规模5
.
X = gamnd (3,5,100,1);
用伽玛分布拟合数据fitdist
.
Pd = fitdist(x,“伽马”)
伽玛分布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。
估计参数一个
而且b
使用分布函数。
[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] = mle(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
用几个形状和尺度参数计算伽马分布的pdf。
X = 0:0.1:50;Y1 = gampdf(x,1,10);Y2 = gampdf(x,3,5);Y3 = gampdf(x,6,4);
绘制pdf文件。
图;情节(x, y₁)在Plot (x,y2) Plot (x,y3)保留从包含(“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
计算带有若干形状和尺度参数的伽玛分布的cdfs。
X = 0:0.1:50;Y1 = gamcdf(x,1,10);Y2 = gamcdf(x,3,5);Y3 = gamcdf(x,6,4);
绘制cdfs。
图;情节(x, y₁)在Plot (x,y2) Plot (x,y3)保留从包含(“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 还有缩放参数 .对于大的 时,伽玛分布近似于具有均值的正态分布 和方差 .
计算带有参数的伽玛分布的pdfA = 100
而且B = 5
.
A = 100;B = 5;X = 250:750;Y_gam = gampdf(x,a,b);
为了进行比较,计算伽玛近似的正态分布的平均值、标准差和pdf。
= a*b
Mu = 500
=√(a*b^2)
σ = 50
Y_norm = normpdf(x,mu,sigma);
在同一图上绘制伽马分布和正态分布的pdf。
情节(x, y_gam,“- - -”, x, y_norm“-”。)标题(“Gamma和普通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(第二个形状参数)。如果X1而且X2有带有形状参数的标准伽马分布吗一个1而且一个2分别,然后 有形状参数的beta分布吗一个1而且一个2.
卡方分布-卡方分布是具有参数的单参数连续分布ν(自由度)。卡方分布等于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)。指数分布等于一个= 1而且b=μ.的和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分布是带形状参数的双参数连续分布µ和比例参数ω.如果x有中神分布吗x2有一个分布一个=μ而且一个b=ω.
正态分布-正态分布是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,伽玛分布接近于正态分布μ=一个b而且σ2=一个b2.有关示例,请参见比较伽玛分布和正态分布pdf.
参考文献
米尔顿·阿布拉莫维茨和艾琳·a·斯特根编。数学函数手册:公式,图表和数学表格.9.多佛打印。[Nachdr。Ausg。冯1972]。多佛数学书籍。纽约,纽约州:Dover Publ, 2013。
[2]埃文斯,梅兰,尼古拉斯·黑斯廷斯和布莱恩·皮科克。统计分布.第二版,纽约:J. Wiley出版社,1993年。
[3]哈恩,杰拉德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年。
罗利斯,杰拉德·F。寿命数据的统计模型和方法.第二版,概率与统计中的威利级数。霍博肯,新泽西州:Wiley-Interscience, 2003年。
[5]米克尔,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。应用概率与统计科。纽约:Wiley, 1998年。
[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