gamma分布_Poisson分布，指数分布和Gamma分布

Poisson分布

随机过程{N(t),t∈[0,∞)}称为计数过程，N(t)表示在(0,t]时间内某一特定事件A发生的次数。

• N(0)=0

• N(t)是齐次独立增量过程(未来的实验结果与过去的结果无关)

• 固定的强度参数λ(事件发生的概率是稳定的)

• 对任意的0≤s

则计数过程称为齐次Poisson过程.

Poisson过程的性质

• 齐次性：在固定长度的时间间隔内，随机事件发生的次数与起点无关。随机事件发生的次数只和时间长度有关。

• 独立增长性：在两个不重叠的时间区间中，随机事件发生的次数相互独立

Poisson分布通俗理解就是研究单位时间内随机事件发生xx次的概率,其固定的强度参数是单位时间或单位面积内随机事件的平均发生率。

指数分布

指数分布是一种连续型概率分布，用来描述独立随机事件发生的时间间隔，通常先描述某个时间间隔没有发生某个事件的概率，再描述在这个时间间隔发生了该事件的概率。指数分布存在无记忆性的特点。

Gamma分布

Gamma分布用于在指数分布的基础上描述独立随机事件发生第α次所需时间间隔。

Gamma分布取决于随机变量α和λ，下面基于python绘制不同的α，λ对应的Gamma分布曲线：

import numpy as npfrom scipy.stats import gammafrom matplotlib import pyplot as pltAlpha_Values = [1,3,5,5,5,6]Beta_Values = [0.5,0.5,1.5,3,2]color = ['b','r','g','y','m']x = np.linspace(1E-6,10,1000)figure,ax = plt.subplots(figsize = (16,12));for j,k,c in zip(Alpha_Values,Beta_Values,color):    dist = gamma(j,0,k)    plt.plot(x,dist.pdf(x),c=c,label = r'$\alpha = %.1f,\beta=%.1f$'%(j,k))plt.xlim(0,15)plt.ylim(0,2.5)plt.xlabel('$x$')plt.ylabel(r'$p(x|\alpha,\beta)$')plt.title('Gamma Distribution with different alpha and beta')plt.legend(loc = 0)plt.show()

关系

指数分布可以由Poisson分布推导而得到，因为在时间间隔t内没有发生事件，则对应Poisson分布的随机变量k取值为0的情况。Gamma分布描述的是N次事件发生的时间间隔的概率，其可视为N个独立的指数分布随机变量的总和，描述的是n个指数分布事件都发生的时间，在Gamma分布中，单位时间内发生的次数N，单位时间内事件发生的平均次数λ都是随机变量。

在Poisson过程中，将时间发生的时间点构成一个序列叫 到达时间序列，到达时间序列服从参数为n,λ的Gamma分布，将事件发生第i次和第i+1次的时间间隔构成 到达时间间隔序列，到达时间间隔序列服从参数为λ的指数分布。

Gamma分布是 指数分布发生次数多次的泛化。α=1时即退化为指数分布。Gamma分布是 Poisson分布在正实数集上的连续化版本。