指数分布，卡方分布和伽马分布

最新推荐文章于 2025-03-09 11:52:15 发布

csdn_LYY

最新推荐文章于 2025-03-09 11:52:15 发布

阅读量1.8w

点赞数 12

分类专栏：机器学习

本文链接：https://blog.csdn.net/CSDN_LYY/article/details/117996789

版权

机器学习专栏收录该内容

69 篇文章

订阅专栏

本文介绍了伽马分布、指数分布和卡方分布，揭示了指数分布是伽马分布α=1，β=λ1的特殊情况，而卡方分布则是伽马分布α=2n，β=2的特殊情况。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

指数分布和卡方分布都是伽马分布的一种特殊情况。

伽马分布

伽马分布一般用符号： $X\sim \Gamma(\alpha,\beta)$ ，概率密度函数如下所示。
$\begin{aligned} f(x)= \left\{ \begin{aligned} &\frac{1}{\beta^{\alpha}\Gamma(\alpha)}x^{\alpha-1}e^{-\frac{x}{\beta}},x>0 \\ &0,x\leq 0 \end{aligned} \right. \end{aligned}$

指数分布

指数分布一般用符号： $X\sim \mathrm{Exp}(\lambda)$ ，概率密度函数如下所示。
$\begin{aligned} f(x)= \left\{ \begin{aligned} &\lambda e^{-\lambda x},x>0 \\ &0,x\leq 0 \end{aligned} \right. \end{aligned}$
你发现了什么没有？指数分布是伽马分布的一种特殊情况， $X\sim \mathrm{Exp}(\lambda)=\Gamma (1,\frac{1}{\lambda})$ 。当伽马分布的参数 $\alpha =1$ 且参数 $\beta =\frac{1}{\lambda}$ 的时候，伽马分布变为了指数分布。

卡方分布

卡方分布一般用符号： $X\sim \mathcal{X}^2(n)$ ，概率密度函数如下所示。
$\begin{aligned} f(x)= \left\{ \begin{aligned} &\frac{1}{2^{\frac{n}{2}}\Gamma(\frac{n}{2})}x^{\frac{n}{2}-1}e^{-\frac{x}{2}},x>0 \\ &0,x\leq 0 \end{aligned} \right. \end{aligned}$
发现了没有，卡方分布是伽马分布的一种特殊情况。 $X\sim \mathcal{X}^2(n)=\Gamma(\frac{n}{2},2)$ 。当伽马分布的参数 $\alpha =\frac{n}{2}$ 且参数 $\beta =2$ 的时候，伽马分布变为了卡方分布。