Gamma分布【转】_伽马分布-CSDN博客

原文地址：Gamma分布【转】 作者：三寅

Γ函数

维基百科，自由的百科全书

跳转到：导航, 搜索

跳过字词转换说明

汉漢 ▼

微积分学

$e = lim_{ntoinfty} left(1+frac{1}{n}right)^n$

函数 · 导数 · 微分 · 积分

显示▼隐藏▲基础概念
函数 · 数列 · 级数 · 初等函数 · 极限 · 无穷小量 · 收敛数列 · 收敛性 · 夹挤定理 · 连续 · 一致连续 · 间断点

显示▼隐藏▲一元微分
导数 · 不定积分 · 高阶导数 · 介值定理 · 中值定理 · 泰勒公式 · 求导法则 ( 乘法定则 · 除法定则 · 倒数定则 · 链式法则 ) · 洛必达法则 · 导数列表 · 导数的函数应用 ( 单调性 · 极值 · 驻点 · 拐点 · 凹凸性 · 曲率 )

显示▼一元积分

显示▼隐藏▲多元微积分
多元函数 · 偏导数 · 隐函数 · 全微分 · 方向导数 · 梯度 · 泰勒公式 · 拉格朗日乘数 · 多元函数积分 · 多重积分 · 广义多重积分 · 路径积分 · 曲面积分 · 格林公式 · 高斯公式 · 斯托克斯公式 · 散度 · 旋度

显示▼隐藏▲微分方程
常微分方程 · 分离变数法 · 积分因子 · 欧拉方法 · 柯西-欧拉方程 · 伯努利微分方程 · 克莱罗方程 · 全微分方程 · 线性微分方程 · 差分方程 · 拉普拉斯变换法 · 偏微分方程 · 拉普拉斯方程

显示▼隐藏▲数学家
牛顿 · 莱布尼兹 · 柯西 · 黎曼 · 拉格朗日 · 拉普拉斯

本模板：查看 • 讨论 • 编辑 • 历史

Gamma , 函数，也叫做伽玛函数（Gamma函数），是阶乘函数在实数与复数上的扩展。对于实数部份为正的复数z，伽玛函数定义为:

$Gamma(z) = int_{0}^{infty} frac{t^{z-1}}{e^t} ,{rm{d}}t$

此定义可以用解析开拓原理拓展到整个复数域上，非正整数除外。

如果n为正整数，则伽玛函数定义为:

Γ(n) = (n − 1)!，

这显示了它与阶乘函数的联系。可见，伽玛函数将n拓展到了实数与复数域上。

在概率论中常见此函数，在组合数学中也常见。

定义

Gamma , 函数可以通过欧拉（Euler）第二类积分定义：

$Gamma(z)=int_{0}^{infty}frac{t^{z-1}}{e^t}rm{d}t$

对复数，我们要求Re(z) > 0。

Γ函数还可以通过对 $e^{-t},$ 做泰勒展开，解析延拓到整个复平面： $Gamma(z)=int_{1}^{infty}frac{t^{z-1}}{e^t}{rm{d}}t+sum_{n=0}^{infty}frac{(-1)^n}{n!}frac{1}{n+z}$

这样定义的Γ函数在全平面除了 z=0,-1,-2,ldots 以外的地方解析。

Γ函数也可以用无穷乘积的方式表示：

$Gamma(z)=frac{1}{z}prod_{n=1}^{infty} left{left(1+frac{z}{n}right)^{-1}left(1+frac{1}{n}right)^z right}$

这样定义的Γ函数在全平面解析

无穷乘积

Gamma, 函数可以用无穷乘积表示：

$Gamma(z) = lim_{n to {+infty}} frac{n! ; n^z}{z ; (z+1)cdots(z+n)}$

$Gamma(z) = frac{e^{-gamma z}}{z} prod_{n=1}^{+infty} left(1 + frac{z}{n}right)^{-1} e^{frac{z}{n}}$

其中 gamma, 是欧拉-马歇罗尼常数。

Gamma积分

$1= int_{0}^{infty}frac{x^left(alpha-1right)lambda^alpha e^left(-lambda xright)}{Gammaleft(alpha right)} {rm{d}} x$

$Rightarrow frac{Gammaleft(alpharight)}{lambda^alpha} = int_{0}^{infty} x^{alpha-1}e^{-lambda x} {rm{d}}x$

递推公式

Gamma , 函数的递推公式为： Γ(x + 1) = xΓ(x)，

对于正整数，有

Γ(n + 1) = n!，

可以说 Gamma , 函数是阶乘的推广。

递推公式的推导

$Gamma(n + 1) = int_0^infty e^{-x} x ^{n + 1 - 1} dx = int_0^infty e^{-x} x ^n {rm{d}}x$

我们用分部积分法来计算这个积分：

$int_0^infty e^{-x} x ^n dx = left[frac{-x^n}{e^x}right]_0^infty + n int_0^infty e^{-x} x ^{n - 1} {rm{d}} x$

当 x=0 , 时， $frac{-0^n}{e^0} = frac{0}{1} = 0$ 。当 x , 趋于无穷大时，根据洛必达法则，有：

$lim_{x rightarrow infty} frac{-x^n}{e^x} = lim_{x rightarrow infty} frac{-n! cdot 0}{e^x} = 0$ .

因此第一项 $left[frac{-x^n}{e^x}right]_0^infty$ 变成了零，所以：

$Gamma(n + 1) = n int_0^infty frac{x ^{n - 1}}{e^x} {rm{d}}x$

等式的右面正好是 n Gamma(n), 。因此，递推公式为：

。

重要性质

Γ函数在实轴上的函数图形

当时，
欧拉反射公式：

$Gamma(z)Gamma(1-z)=frac{pi}{sin{pi z}} quad (0<mathrm{Re}(z)<1)$

由此可知当 $z=frac{1}{2}$ 时， $Gamma(frac12)=sqrt{pi}$ 。

乘法定理：

$Gamma(z) ; Gammaleft(z + frac{1}{2}right) = 2^{1-2z} ; sqrt{pi} ; Gamma(2z)$ 。

$Gamma(z) ; Gammaleft(z + frac{1}{m}right) ; Gammaleft(z + frac{2}{m}right) cdots Gammaleft(z + frac{m-1}{m}right) = (2 pi)^{frac{m-1}{2}} ; m^{frac{1}{2} - mz} ; Gamma(mz)$ 。

补充：

$Gammaleft(n+frac{1}{2}right)=frac{(2n)!sqrt{pi}}{n!4^n}$ 此式可用来协助计算t分布机率密度函数、卡方分布机率密度函数、 F , 分布机率密度函数等的累计机率。

特殊值

$begin{array}{lll} Gamma(-frac{3}{2}) &=frac {4}{3}sqrt{pi}&approx 2.363 Gamma(-frac{1}{2}) &=-2sqrt{pi} &approx -3.545 Gamma(frac{1}{2}) &=sqrt{pi} &approx 1.772 Gamma(1)&=0!&=1 Gamma(frac{3}{2}) &=frac{sqrt{pi}}{2} &approx 0.886 Gamma(2)&=1!&=1 Gamma(frac{5}{2}) &=frac{3sqrt{pi}}{4} &approx 1.329 Gamma(3)&=2!&=2 Gamma(frac{7}{2}) &=frac{15}{8}sqrt{pi} &approx 3.323 Gamma(frac{9}{2}) &=frac{105sqrt{pi}}{16} &approx 11.6305 end{array}$

导数

$frac{partial}{partial z}Gamma(z) = int_{0}^{infty} frac{t^{z-1}ln t}{e^t},{rm{d}}t$

复数值

$Gamma(x+{rm{i}}y)=int_1^{infty}frac{t^{x-1}}{e^t}cos (yln t){rm{d}}t+sum_{k=0}^{infty}frac{(-1)^k}{k!}left[frac{k}{(k+x)^2+y^2}+frac{x}{(k+x)^2+y^2}right]+{rm{i}}left{int_1^{infty}frac{t^{x-1}}{e^t}sin (yln t){rm{d}}t-ysum_{k=0}^{infty}frac{(-1)^k}{k![(k+x)^2+y^2]}right},$

斯特灵公式

斯特灵公式能用以估计Γ函数的增长速度。

解析延拓

Γ函数的绝对值函数图形

注意到在Γ函数的积分定义中若取 z , 为实部大于零之复数、则积分存在，而且在右半复平面上定义一个全纯函数。利用函数方程

$Gamma(z)Gamma(1-z)=frac{pi}{sin{pi z}} quad (0 < mathrm{Re}(z) < 1)$

并注意到函数 sin (pi z) , 在整个复平面上有解析延拓，我们可以在Re(z) < 1时设

$Gamma(z) = dfrac{pi}{Gamma(1-z) sin{pi z}}$

从而将 Gamma , 函数延拓为整个复平面上的亚纯函数，它在 z=0,-1,-2,-3cdots 有单极点，留数为

$mathrm{Res}(Gamma, -n) = dfrac{(-1)^n}{n!}$

http://blog.sina.com.cn/s/blog_50151e570100ku28.html

伽玛分布

伽玛分布（Gamma distribution）是統計學的一種連續機率函數。Gamma分佈中的參數α，稱為形狀參數（shape parameter），β稱為尺度參數（scale parameter）。

實驗定義與觀念

假設隨機變數X為等到第α件事發生所需之等候時間

機率函數

令X˜Γ(α,β)；且令：（即）。

[转载]Gamma分布【转】，X > 0

其中Gamma函数之特徵

[转载]Gamma分布【转】

Gamma積分

[转载]Gamma分布【转】

動差母函數、機率生成函數、期望值、變異數

Gamma分配之動差母函數m.g.f

[转载]Gamma分布【转】

機率生成函數 p.g.f

期望值

方差

[转载]Gamma分布【转】

Gamma的加成性

當兩隨機變數服從Gamma分配，互相獨立，且單位時間內頻率相同時，Gamma分配具有加成性。

[转载]Gamma分布【转】

Gamma分布

Gamma概率密度函數
累積分佈函數
參數	shape(real) scale(real)
支撑集
概率密度函數
累積分佈函數
期望值
中位數	no simple closed form
眾數	for
方差
偏度
峰度
信息熵
動差生成函數	for
特性函数