KNOWECON WIKI

ARTICLE

伽玛分布

伽玛分布 (Gamma Distribution) 伽玛分布是广泛使用的连续型概率分布，由形状参数 和速率参数 （或尺度参数 = 1/ ）刻画。是指数分布的推广：指数分布描述等待第1次事件的时间，伽玛分布描述等待第 次事件的时间。 概率密度函数 形状-速率参数化（更常用）：X ( , ) 其中 ( ) = _0^ t^ -1 e^-t dt 是伽玛函数（阶乘

浏览 41 更新 2025-10-26

伽玛分布 (Gamma Distribution)

伽玛分布是广泛使用的连续型概率分布，由形状参数 α\alpha 和速率参数 β\beta（或尺度参数 θ=1/β\theta = 1/\beta）刻画。是指数分布的推广：指数分布描述等待第1次事件的时间，伽玛分布描述等待第 α\alpha 次事件的时间。

概率密度函数

形状-速率参数化（更常用）：X∼Γ(α,β)X \sim \Gamma(\alpha, \beta)

f(x;α,β)=βαΓ(α)xα−1e−βx,x>0f(x; \alpha, \beta) = \frac{\beta^\alpha}{\Gamma(\alpha)} x^{\alpha-1} e^{-\beta x}, \quad x > 0

其中 Γ(α)=∫0∞tα−1e−tdt\Gamma(\alpha) = \int_0^\infty t^{\alpha-1} e^{-t} dt 是伽玛函数（阶乘的推广，Γ(n)=(n−1)!\Gamma(n) = (n-1)!），βα/Γ(α)\beta^\alpha / \Gamma(\alpha) 是归一化常数。

形状-尺度参数化：f(x;k,θ)=xk−1e−x/θ/(Γ(k)θk)f(x; k, \theta) = x^{k-1} e^{-x/\theta} / (\Gamma(k)\theta^k)。

参数影响

形状参数 α\alpha：0<α<10<\alpha<1 时PDF呈反J形；α=1\alpha=1 退化为指数分布；α>1\alpha>1 时单峰偏态，增大会趋于正态（中心极限定理）。速率参数 β\beta：越大分布越集中靠近0。

主要性质

E[X]=αβ,Var(X)=αβ2,众数=α−1β (α>1)E[X] = \frac{\alpha}{\beta}, \quad \mathrm{Var}(X) = \frac{\alpha}{\beta^2}, \quad \text{众数} = \frac{\alpha-1}{\beta}\ (\alpha > 1)

可加性：若 Xi∼Γ(αi,β)X_i \sim \Gamma(\alpha_i, \beta) 独立且同速率参数，则 ∑Xi∼Γ(∑αi,β)\sum X_i \sim \Gamma(\sum \alpha_i, \beta)。

与其他分布的关系

  • 指数分布：Γ(1,β)=Exponential(β)\Gamma(1, \beta) = \mathrm{Exponential}(\beta)
  • 卡方分布：χ2(k)=Γ(k/2,1/2)\chi^2(k) = \Gamma(k/2, 1/2)（假设检验中关于样本方差的推断至关重要）
  • 爱尔朗分布：当 α\alpha 为正整数
  • 泊松分布：描述泊松过程的两面（事件次数\~Poisson，等待时间\~Gamma）
  • 贝塔分布：若 X∼Γ(α1,β)X\sim\Gamma(\alpha_1,\beta), Y∼Γ(α2,β)Y\sim\Gamma(\alpha_2,\beta) 独立，则 X/(X+Y)∼Beta(α1,α2)X/(X+Y) \sim \mathrm{Beta}(\alpha_1, \alpha_2)

应用领域

排队论与可靠性工程（等待时间、设备寿命）、金融与保险（保险索赔、信用风险）、贝叶斯统计（泊松速率和正态精度的共轭先验）、气象水文学（降雨量）。示例：呼叫中心每分钟3个电话（β=3\beta=3），等第5个电话的时间 ∼Γ(5,3)\sim \Gamma(5, 3)，P(T>2)=P(Poisson(6)<5)≈28.5%P(T>2) = P(\mathrm{Poisson}(6) < 5) \approx 28.5\%。