伽马分布定义

伽马函数

 伽马函数的定义为$$\Gamma (\alpha )={\int }_0^{\infty }{x}^{\alpha -1}{e}^{-x}dx$$其中参数$\alpha >0$。伽马函数具有如下性质：

• $\Gamma (1)=1$，$\Gamma (\frac{1}{2})=\sqrt{\pi }$。
• $\Gamma (\alpha +1)=\alpha \Gamma (\alpha )$，当$\alpha$为自然数$n$时，有$$\Gamma (n+1)=n\Gamma (n)=n!$$

伽马分布

  若随机变量$X$的密度函数为$$p(x)=\{\begin{array}{ll}\frac{{\lambda }^{\alpha }}{\Gamma (\alpha )}{x}^{\alpha -1}{e}^{-\lambda x},& x\ge 0,\\ 0,& x<0,\end{array}$$则称$X$服从伽马分布，记作$X\sim Ga(\alpha ,\lambda )$，其中$\alpha >0$为形状参数，$\lambda >0$为尺度参数。

伽马分布$Ga(\alpha ,\lambda )$的数学期望和方差

 利用伽马函数的性质，不难算得伽马分布$Ga(\alpha ,\lambda )$的数学期望为$$\mathbb{E}(X)=\frac{{\lambda }^{\alpha }}{\Gamma (\alpha )}{\int }_0^{\infty }{x}^{\alpha }{e}^{-\lambda x}dx=\frac{\Gamma (\alpha +1)}{\Gamma (\alpha )}\frac{1}{\lambda }=\frac{\alpha }{\lambda }$$又因为$$\mathbb{E}(X^2)=\frac{{\lambda }^{\alpha }}{\Gamma (\alpha )}{\int }_0^{\infty }{x}^{\alpha +1}{e}^{-\lambda x}dx=\frac{\Gamma (\alpha +2)}{{\lambda }^2\Gamma (\alpha )}=\frac{\alpha (\alpha +1)}{{\lambda }^2}$$由此得$X$的方差为$$\mathrm{V}\mathrm{a}\mathrm{r}(X)=\mathbb{E}(X^2)-[\mathbb{E}(X){]}^2=\frac{\alpha (\alpha +1)}{{\lambda }^2}-{\left(\frac{\alpha }{\lambda }\right)}^2=\frac{\alpha }{{\lambda }^2}$$

伽马分布的两个特例

指数分布：$\alpha =1$时的伽马分布就是指数分布，即$$Ga(1,\lambda )=\exp (\lambda )$$
卡方分布：称$\alpha =n/2$，$\lambda =1/2$时的伽马分布是自由度$n$的${\mathcal{X}}^2$（卡方）分布，记为${\mathcal{X}}^2(n)$，即$$Ga(\frac{n}{2},\frac{1}{2})={\mathcal{X}}^2(n),$$其密度函数为$$p(x)=\{\begin{array}{ll}\frac{1}{2^{\frac{n}{2}}\Gamma (\frac{n}{2})}{e}^{-\frac{n}{2}}{x}^{\frac{n}{2}-1},& x>0\\ 0,& x\le 0\end{array}$$这里$n$是${\mathcal{X}}^2$分布的唯一参数，称为自由度，它可以是正实数。因为${\mathcal{X}}^2$分布是特殊的伽马分布，故由伽马分布的期望和方差，很容易得到${\mathcal{X}}^2$分布的期望和方差为$$\mathbb{E}(X)=n,\mathrm{V}\mathrm{a}\mathrm{r}(X)=2n.$$