伽玛分布是一个双参数曲线系列。伽马分布模型呈指数分布式随机变量的和概括了Chi-Square和指数分布。
统计和机器学习工具箱™提供了使用伽玛分布的几种方法。
伽马分布使用以下参数。
范围 | 描述 | 万博1manbetx |
---|---|---|
一种 |
形状 | 一种> 0 |
B. |
规模 | B.> 0 |
标准伽马分布有单位规模。
具有形状参数的两个伽马随机变量的总和一种1和一种2两者都是比例参数B.是带有形状参数的伽马随机变量一种=一种1+一种2和比例参数B.。
这似然函数是作为参数的函数观看的概率密度函数(PDF)。这最大可能性估计数(MLES)是最大化固定值的似函数的参数估计值X
。
最大似然估计一种和B.对于伽玛分布是同时方程的解决方案万博 尤文图斯
在哪里
样本是对样品的意思X1那X2,......,XN.那和ψ是digamma函数Psi.
。
要将伽玛分布符合数据并找到参数估计,请使用gamfit.
那Fitdist.
, 要么m
。不像gamfit.
和m
,返回参数估计,Fitdist.
返回拟合概率分布对象伽马分布
。对象属性一种
和B.
存储参数估计值。
例如,看到适合伽玛分布到数据。
伽玛分布的PDF是
其中γ(·)是伽马功能。
例如,看到计算伽马分布PDF。
伽马分布的累积分布函数(CDF)是
结果P.是从伽马分布与参数的单一观察的概率一种和B.落在间隔[0X]。
例如,看到计算伽玛分布CDF。
伽玛CDF与不完全的伽马功能有关Gammainc.
经过
伽玛CDF方面的伽马分布的反向累积分布函数(ICDF)是
在哪里
结果X是与参数的伽马分布观察的值一种和B.落在范围内[0X]有概率P.。
前面的整体方程没有已知的分析解决方案。gaminv.
使用迭代方法(Newton方法)收敛于解决方案。
伽玛分布的平均值是一种B.。
伽玛分布的方差是一种B.2。
生成一个样本100.
伽马随机数,形状3.
和规模5.
。
x = gamrnd(3,5,100,1);
适合使用伽马分发Fitdist.
。
pd = fitdist(x,'伽玛')
PD =伽马分布凝血伽马分布A = 2.7783 [2.1374,311137] B = 5.73438 [4.30198,7.64372]
Fitdist.
返回A.伽马分布
目的。参数估计旁边的间隔是分布参数的95%置信区间。
估计参数一种
和B.
使用分发功能。
[Muhat,muci] = gamfit(x)%分布特定功能
穆罕默特=1×22.7783 5.7344
muci =2×22.1374 4.3020 3.6114 7.6437
[muhat2,muci2] = mle(x,'分配'那'伽玛')%泛型功能
muhat2 =1×22.7783 5.7344
muci2 =2×22.1374 4.3020 3.6114 7.6437
使用多种形状和比例参数计算伽玛分布的PDF。
x = 0:0.1:50;Y1 = Gampdf(x,1,10);Y2 = Gampdf(x,3,5);Y3 = Gampdf(x,6,4);
绘制PDF。
数字;绘图(x,y1)持有在绘图(x,y2)绘图(x,y3)持有离开Xlabel('观察')ylabel('概率密度') 传奇('a = 1,b = 10'那'a = 3,b = 5'那'a = 6,b = 4')
使用多种形状和比例参数计算伽玛分布的CDF。
x = 0:0.1:50;Y1 = GAMCDF(x,1,10);y2 = gamcdf(x,3,5);Y3 = GAMCDF(X,6,4);
绘制CDF。
数字;绘图(x,y1)持有在绘图(x,y2)绘图(x,y3)持有离开Xlabel('观察')ylabel('累积概率') 传奇('a = 1,b = 10'那'a = 3,b = 5'那'a = 6,b = 4'那“地点”那“西北”)
伽玛分布具有形状参数 和比例参数 。对于一个大 ,伽玛分布与平均值密切相关 和方差 。
使用参数计算伽马分布的PDFa = 100.
和B = 5.
。
a = 100;B = 5;x = 250:750;Y_GAM = GAMPDF(X,A,B);
为了比较,计算伽马近似的正态分布的平均值,标准偏差和PDF。
mu = a * b
mu = 500.
sigma = sqrt(a * b ^ 2)
西格玛= 50.
y_norm = normpdf(x,mu,sigma);
绘制伽玛分布的PDF和同一图的正态分布。
plot(x,y_gam,' - ',x,y_norm,' - 。') 标题('伽玛和正常的PDF')Xlabel('观察')ylabel('概率密度') 传奇('伽玛分布'那'正态分布')
正态分布的PDF近似于伽马分布的PDF。
β发行- 测试版分布是具有参数的双参数连续分布一种(第一个形状参数)和B.(第二种形状参数)。如果X1和X2具有标志性参数的标准伽马分布一种1和一种2然后,分别为 具有带有形状参数的测试版分布一种1和一种2。
Chi-Square分布- Chi-Square分布是一个具有参数的一个参数连续分布ν(自由程度)。Chi-Square分布等于伽马分布2A=ν和B.=2。
指数分布- 指数分布是具有参数的一个参数连续分布μ.(意思)。指数分布等于伽马分布一种= 1和B.=μ.。总数是K.具有平均值的指数分布式随机变量μ.是伽玛分布参数一种=K.和μ.=B.。
Nakagami分销- Nakagami分布是一种具有形状参数的双参数连续分布μ.和比例参数ω.。如果X那时有一个nakagami分配X2有伽玛分配一种=μ.和一种B.=ω.。
正常分布- 正常分布是具有参数的双参数连续分布μ.(平均值)和σ.(标准偏差)。什么时候一种很大,伽玛分布密切近似正常分布μ.=一种B.和σ.2=一种B.2。例如,看到比较伽玛和正态分布PDF。
[1] Abramowitz,Milton和Irene A. Stegun,EDS。数学函数手册:用公式,图形和数学表。9.多佛打印;[nachdr。Der Ausg。von 1972]。数学的多佛书。纽约,纽约:Dover Pural,2013。
[2]埃文斯,梅兰,尼古拉斯黑斯廷斯和Brian孔雀。统计分布。第二次。纽约:J. Wiley,1993。
[3] Hahn,Gerald J.和Samuel S. Shapiro。工程统计模型。Wiley Classics库。纽约:Wiley,1994。
[4]律师,杰拉德F.终身数据的统计模型和方法。第二次。Wiley系列概率与统计。霍博肯,N.J:Wiley-Interscience,2003。
[5] Meeker,William Q.和Luis A. Escobar。可靠性数据的统计方法。Wiley系列概率与统计。应用概率与统计部。纽约:Wiley,1998。
[6] Marsaglia,George和Wai Wan Tsang。“生成伽马变量的简单方法。”数学软件上的ACM交易26,不。3(2000年9月1日):363-72。https://doi.org/10.1007/978-1-4613-8643-8。
Fitdist.
|GAMCDF.
|gamfit.
|gaminv.
|gamlike.
|伽马分布
|Gampdf.
|GAMRND.
|Gamstat.
|制造主义者
|兰格