不同分布所表示的物理含义

不同分布所表示的物理含义

需要注意的是，尽管存在各种各样不同的分布，但他们能够称为分布的前提条件是积分和代表概率，等于1。

泊松分布

问题对象：在特定时间里发生n个事件的概率

$$P\left(N\left(t\right)=n\right)=\frac{{\left(\lambda t\right)}^n{e}^{-\lambda t}}{n!}$$

其中$\lambda$ 代表事件发生频率，即单位事件内事件的发生率。

指数分布

问题对象：要等到一个随机事件发生，需要经历的时间

指数分布的公式可从泊松分布推断出来，即

$$P\left(X>t\right)=P\left(N\left(t\right)=0\right)=\frac{{\left(\lambda t\right)}^0{e}^{-\lambda t}}{0!}=e^{-\lambda t}$$

指数分布依赖的参数$\lambda$代表λ 表单位时间内事件的发生率。

伽马分布

问题对象：要等到n个随机事件发生，需要经历的时间

假设X1, X2, … Xn 为连续发生事件的等候时间，且这n次等候时间为独立的，那么这n次等候时间之和Y (Y=X1+X2+…+Xn)服从伽玛分布，即$Y\sim \Gamma (\alpha ,\beta )$，亦可记作$Y\sim \Gamma (\alpha ,\lambda )$，
$$f\left(x\right)=\frac{x^{\alpha -1}{\lambda }^{\alpha }}{\Gamma \left(\alpha \right)}{e}^{-\lambda x},x>0$$
其中α = n，而 β 与λ互为倒数关系，λ 表单位时间内事件的发生率。另外，参数$\alpha$代表形状参数，$\beta$代表尺度参数。

因此，伽马分布可看作是n个指数分布的独立随机变量的加和，而指数分布为$\alpha =1$的伽马分布。

附录：
伽马函数
自变量$z$为实部为正的复数：
$$\Gamma \left(z\right)={\int }_0^{\infty }{t}^{z-1}{e}^{-t}dt,\mathrm{Re}\left(z\right)>0$$

自变量$\alpha$为正实数：
$$\Gamma \left(\alpha \right)={\int }_0^{\infty }{t}^{\alpha -1}{e}^{-t}dt$$
伽马函数存在以下结论：
$$\{\begin{array}{l}\Gamma \left(\alpha \right)=\left(\alpha -1\right)!,\alpha \in Z^{+}\\ \Gamma \left(\alpha \right)=\left(\alpha -1\right)\Gamma \left(\alpha -1\right),\alpha \in R^{+}\\ \Gamma \left(\frac{1}{2}\right)=\sqrt{\pi }\end{array}$$

其他分布

负二项分布：
https://www.jianshu.com/p/ef6ffa83a242