- 统计教程
- 主页
- 调整后R方
- 方差分析
- 算术平均数
- 算术中位数
- 算术众数
- 算术极差
- 条形图
- 最佳点估计
- β分布
- 二项分布
- 布莱克-斯科尔斯模型
- 箱线图
- 中心极限定理
- 切比雪夫定理
- χ²分布
- χ²分布表
- 环状排列
- 整群抽样
- 科恩 Kappa 系数
- 组合
- 可重复组合
- 比较图表
- 连续均匀分布
- 连续数列算术平均数
- 连续数列算术中位数
- 连续数列算术众数
- 累积频率
- 变异系数
- 相关系数
- 累积图
- 累积泊松分布
- 数据收集
- 数据收集 - 问卷设计
- 数据收集 - 观察法
- 数据收集 - 案例研究法
- 数据模式
- 十分位数统计
- 离散数列算术平均数
- 离散数列算术中位数
- 离散数列算术众数
- 点图
- 指数分布
- F分布
- F检验表
- 阶乘
- 频率分布
- Γ分布
- 几何平均数
- 几何概率分布
- 拟合优度
- 总平均数
- Gumbel 分布
- 调和平均数
- 调和数
- 谐振频率
- 直方图
- 超几何分布
- 假设检验
- 个体数列算术平均数
- 个体数列算术中位数
- 个体数列算术众数
- 区间估计
- 逆Γ分布
- Kolmogorov-Smirnov 检验
- 峰度
- 拉普拉斯分布
- 线性回归
- 对数Γ分布
- 逻辑回归
- 麦克尼马尔检验
- 平均差
- 均值差异
- 多项分布
- 负二项分布
- 正态分布
- 奇排列和偶排列
- 单比例Z检验
- 异常值函数
- 排列
- 可重复排列
- 饼图
- 泊松分布
- 合并方差 (r)
- 功效计算器
- 概率
- 概率加法定理
- 概率乘法定理
- 概率贝叶斯定理
- 概率密度函数
- 过程能力 (Cp) & 过程性能 (Pp)
- 过程Sigma
- 二次回归方程
- 定性数据与定量数据
- 四分位差
- 经验法则
- 瑞利分布
- 回归截距置信区间
- 相对标准偏差
- 信度系数
- 所需样本量
- 残差分析
- 残差平方和
- 均方根
- 样本计划
- 抽样方法
- 散点图
- 香农-维纳多样性指数
- 信噪比
- 简单随机抽样
- 偏度
- 标准差
- 标准误 (SE)
- 标准正态分布表
- 统计显著性
- 统计公式
- 统计符号
- 茎叶图
- 分层抽样
- 学生t检验
- 平方和
- t分布表
- TI 83 指数回归
- 转换
- 截尾均值
- I型和II型错误
- 方差
- 韦恩图
- 大数弱定律
- Z表
- 统计有用资源
- 统计 - 讨论
统计 - Γ分布
伽马分布表示具有两个参数族的连续概率分布。伽马分布通常采用三种参数组合方式。
形状参数 $k$ 和尺度参数 $θ$。
形状参数 $α = k$ 和逆尺度参数 $β = \frac{1}{θ}$,称为速率参数。
形状参数 $k$ 和均值参数 $μ = \frac{k}{β}$。
每个参数都是正实数。伽马分布是在以下标准下推导出的最大熵概率分布。
公式
${E[X] = kθ = \frac{α}{β} > 0 \ 且为固定值。 \\[7pt] E[ln(X)] = ψ(k) + ln(θ) = ψ(α) - ln(β) \ 且为固定值。}$
其中:
${X}$ = 随机变量。
$ψ$ = 双伽马函数。
使用形状 $α$ 和速率 $β$ 的特征
概率密度函数
伽马分布的概率密度函数为:
公式
${f(x; α, β) = \frac{β^α x^{α - 1} e^{-xβ}}{Γ(α)} \ 其中 \ x ≥ 0 \ 且 \ α, β > 0}$
其中:
$α$ = 位置参数。
$β$ = 尺度参数。
$x$ = 随机变量。
累积分布函数
伽马分布的累积分布函数为:
公式
${F(x; α, β) = \int_0^x f(u; α, β) du = \frac{γ(α, βx)}{Γ(α)}}$
其中:
$α$ = 位置参数。
$β$ = 尺度参数。
$x$ = 随机变量。
$γ(α, βx)$ = 下不完全伽马函数。
使用形状 $k$ 和尺度 $θ$ 的特征
概率密度函数
伽马分布的概率密度函数为:
公式
${f(x; k, θ) = \frac{x^{k - 1} e^{-\frac{x}{θ}}}{θ^k Γ(k)} \ 其中 \ x > 0 \ 且 \ k, θ > 0}$
其中:
$k$ = 形状参数。
$θ$ = 尺度参数。
$x$ = 随机变量。
$Γ(k)$ = 在 k 处计算的伽马函数。
累积分布函数
伽马分布的累积分布函数为:
公式
${F(x; k, θ) = \int_0^x f(u; k, θ) du = \frac{γ(k, \frac{x}{θ})}{Γ(k)}}$
其中:
$k$ = 形状参数。
$θ$ = 尺度参数。
$x$ = 随机变量。
$γ(k, \frac{x}{θ})$ = 下不完全伽马函数。
广告