分布拟合第三期之gamma分布（已知区间频数）

gamma 分布是一种连续概率分布，适用于描述‌正数域‌且呈‌右偏形态‌的随机变量，常见于保险索赔、降水量分析、生存分析等领域。作者这里介绍已知区间频数的情况下，如何使用最小二乘法实现分布拟合。

写在前面：关于 MATLAB 内置函数的使用方法，感兴趣的同学可以通过选中函数，鼠标右击的方式打开关于函数的帮助，里面 MATLAB 官方已经详细给出使用这一函数的语法、说明及使用示例。详见下图。

一、gamma 分布的理论基础

概率密度函数（PDF）：
$$f(x)=\frac{1}{b^a\Gamma (a)}{x}^{a-1}{e}^{-\frac{x}{b}}$$
累积分布函数（CDF）：
$$F(x)=\frac{1}{b^a\Gamma (a)}{\int }_0^x{t}^{a-1}{e}^{-\frac{t}{b}}dt$$
其中，$a>0$为形状参数，决定分布的形状；$b>0$为尺度参数，决定分布的范围；$\Gamma (\cdot )$为gamma函数，定义为：$$\Gamma (s)={\int }_0^{+\infty }{t}^{s-1}{e}^{-t}dt，Re(s)>0$$

二、数据准备

此部分主要是读取原始数据。

%% 1、mat文件
load data.mat    % 加载所有变量

%% 2、Excel文件
data = readmatrix('gamma分布.xlsx');

%% 3、csv文件
data = readmatrix('gamma分布.csv');

%% 4、txt文件
data = readmatrix('gamma分布.txt');

三、Gamma 分布拟合的实现

• 优化算法‌：采用 fmincon 的 SQP 算法进行约束优化
• 约束条件‌：$a$ > 0，$b$ > 0

拟合结果评估：
拟合完成后，计算平均绝对误差 (Mean Absolute Error, MAE) 、均方根误差（root mean square error, RMSE）和可决系数R²从定量的角度去衡量概率模型与实际分布曲线之间的不同。

为了更直观地展示拟合结果，可以使用 MATLAB 的绘图函数进行可视化，绘制数据的直方图和拟合的 gamma 分布曲线。这里以生成的随机数作为样本数据，并对数据插图进行美化处理。

效果展示：

关注公众号【科研小小怪】，后台回复关键词【分布拟合第三期】免费获取示例代码。因防止中文乱码，分享的是文本文件，如下图。

运行方法：

1. 新建脚本

2. 复制代码粘贴到新建脚本中，并保存

3. 运行