1. 程式人生 > >漫步數理統計二十四——伽瑪、卡方與貝塔分佈

漫步數理統計二十四——伽瑪、卡方與貝塔分佈

本篇博文我們講介紹伽瑪(Γ),卡方(χ2)與貝塔(β)分佈。在高等微積分中已經證明過,對於α>0,積分

0yα1eydy

存在且積分值為正數,這個積分稱為α的伽瑪函式,寫成

Γ(α)=0yα1eydy

如果α=1,顯然

Γ(1)=0eydy=1

如果α>1,用分部積分法可得

Γ(α)=(α1)0yα2eydy=(α1)Γ(α1)

因此如果α是比1大的正整數,那麼

Γ(α)=(α1)(α2)(3)(2)(1)Γ(1)=(α1)!

因為Γ(1)=1,這表明我們可以取0!=1

我們用積分形式定義了Γ(α),現在我們引入新變數y=x/β

,其中β>0,那麼

Γ(α)=0(xβ)α1ex/β(1β)dx

或者等價的

1=01Γ(α)βαxα1ex/βdx

因為α>0,β>0,Γ(α)>0,所以

f(x)={1Γ(α)βαxα1ex/β00<x<elsewhere

是連續型隨機變數的pdf,有這種pdf形式的隨機變數X滿足引數為α,β的伽瑪分佈,寫作X滿足Γ(α,β)分佈。

1伽瑪分佈是等待時間的概率模型;例如在壽命測試中,直到死亡的等待時間是用伽瑪分佈建模的隨機變數。為了理解這個,假設泊松假定以及區間長度w是時間區間,特別地令隨機變數W是得到k變化量所需要的時間,其中k是固定的正整數,那麼W

的cdf為

G(w)=P(Ww)=1P(W>w)

然而對於w>0,事件W>w等價於時間區間w內少於k變化量的概率,即如果隨機變數X是區間