伽马分布
概述
伽马分布是两个参数曲线族。伽马分布模型的指数分布的随机变量和概括卡方和指数分布。
统计和机器学习工具箱™提供了几个与伽马分布的方法。
参数
伽马分布使用以下参数。
参数 | 描述 | 万博1manbetx |
---|---|---|
一个 |
形状 | 一个> 0 |
b |
规模 | b> 0 |
标准伽马分布单元规模。
两个伽马随机变量之和与形状参数一个1和一个2与尺度参数b是一个γ和形状参数随机变量吗一个=一个1+一个2和尺度参数b。
参数估计
的似然函数是概率密度函数(pdf)视为一个函数的参数。的最大似然估计(ml)的参数估计,最大似然函数是固定的值x
。
的最大似然估计一个和b伽马分布的联立方程的解决方案万博 尤文图斯
在哪里
样本均值,样本吗x1,x2、…xn,和Ψ是双函数ψ
。
以适应伽马分布数据和找到参数估计,使用gamfit
,fitdist
,或大中型企业
。不像gamfit
和大中型企业
返回参数的估计,fitdist
返回合适的概率分布对象GammaDistribution
。对象属性一个
和b
存储参数估计。
例如,看到的符合伽马分布数据。
概率密度函数
伽马分布的pdf
Γ(·)是伽玛函数。
例如,看到的计算伽马分布pdf。
累积分布函数
累积分布函数(cdf)伽马分布的
结果p的概率是一个观察从伽马分布参数一个和b落在区间[0x]。
例如,看到的计算伽马分布提供。
γcdf完整伽马函数有关gammainc
通过
逆累积分布函数
逆伽马分布的累积分布函数(icdf)γcdf而言
在哪里
结果x是这样一个观测值从伽马分布参数一个和b落在区间[0x)的概率p。
前面的积分方程没有解析解。gaminv
使用迭代方法(牛顿法)的收敛解。
描述性统计
伽马分布的均值一个b。
伽马分布的方差一个b2。
例子
符合伽马分布数据
生成一个样本One hundred.
γ随机数与形状3
和规模5
。
x = gamrnd (5100,1);
符合伽马分布数据使用fitdist
。
pd = fitdist (x,“伽马”)
pd = GammaDistribution伽马分布b = 2.7783 (2.1374, 3.61137) = 5.73438 (4.30198, 7.64372)
fitdist
返回一个GammaDistribution
对象。旁边的间隔参数估计的95%置信区间的分布参数。
估计的参数一个
和b
使用分布函数。
[muhat, muci] = gamfit (x)%分配特定的函数
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
计算的pdf文件伽马分布与几个形状和尺度参数。
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”,“一个= 3,b = 5”,“= 6,b = 4”)
计算伽马分布提供
cdfs伽马分布的计算与几个形状和尺度参数。
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”,“一个= 3,b = 5”,“= 6,b = 4”,“位置”,“西北”)
比较γ和正态分布的pdf文件
伽马分布形状参数 和尺度参数 。对于一个大 伽马分布与意思密切接近正态分布 和方差 。
计算pdf伽马分布的参数一个= 100
和b = 5
。
一个= 100;b = 5;x = 250:750;y_gam = gampdf (x, a, b);
相比之下,计算均值,标准差,pdf伽马近似的正态分布。
μa * b =
μ= 500
σ=√6 (a * b ^ 2)
σ= 50
y_norm = normpdf (x,μ、σ);
情节的pdf文件伽马分布和正态分布在同一图。
情节(x, y_gam,“- - -”,x, y_norm“-”。)标题(“伽玛和正常的pdf文档”)包含(“观察”)ylabel (的概率密度)传说(伽马分布的,“正态分布”)
正态分布近似的pdf伽马分布的pdf。
相关的分布
贝塔分布——β分布是两个参数的连续分布参数一个(第一形状参数)b(第二形状参数)。如果X1和X2标准伽马分布形状参数吗一个1和一个2分别,然后 有一个β分布形状参数一个1和一个2。
卡方分布卡方分布是一个单参数连续分布参数ν(自由度)。卡方分布等于伽马分布2=ν和b=2。
指数分布——是一个单参数指数分布参数的连续分布μ(的意思)。指数分布等于伽马分布一个= 1和b=μ。的总和k指数分布的随机变量与的意思μ伽马分布的参数一个=k和μ=b。
Nakagami分布——Nakagami分布是两个参数和形状参数连续分布µ和尺度参数ω。如果x有一个Nakagami分布呢x2有一个伽马分布一个=μ和一个b=ω。
正态分布正态分布是一个两个参数连续分布参数μ(意味着)σ(标准差)。当一个大,伽马分布密切接近正态分布μ=一个b和σ2=一个b2。例如,看到的比较γ和正态分布的pdf文件。
引用
[1]阿布拉莫维茨、弥尔顿和艾琳a . Stegun eds。数学函数的手册:公式、图、表和数学。9。多佛打印。[Nachdr。Ausg。冯1972]。多佛关于数学的书。纽约,纽约州:多佛出版,2013年。
[2]埃文斯Merran,尼古拉斯•黑斯廷斯和布莱恩孔雀。统计分布。第二版。纽约:j·威利,1993年。
[3]哈恩,杰拉尔德·J。,和Samuel S. Shapiro.统计模型在工程。威利经典图书馆。纽约:威利,1994年。
[4]无法无天,Jerald F。寿命数据的统计模型和方法。第二版。威利系列概率和统计。霍博肯,N。J: Wiley-Interscience, 2003。
[5]米克,威廉问。,路易斯·a·Escobar。可靠性数据的统计方法。威利系列概率和统计。应用概率统计部分。纽约:威利,1998年。
[6]马、乔治和围Wan曾荫权。“一个简单的方法来生成γ变量。”ACM交易的数学软件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