前言

因为自己作死,还没有学习概率论就报了二学位的数理统计,听得我是一脸懵逼,为了督促自己好好学习,决定开一个笔记来监督自己学习。不然估计要挂科了 xD。

Γ \Gamma Γ分布

分布函数形式

f ( x ) = { β α Γ ( α ) x α − 1 e − β x , x > 0 0 , x ≤ 0 f(x)=\left\{ \begin{aligned} &\frac{\beta^\alpha}{\Gamma(\alpha)}x^{\alpha-1}e^{-\beta x},x>0\\ &0,x\leq 0 \end{aligned} \right. f(x)=⎩⎪⎨⎪⎧​​Γ(α)βα​xα−1e−βx,x>00,x≤0​

如果总体 X X X的分布函数长成这个样子称 X X X服从参数为 α , β \alpha,\beta α,β的 Γ \Gamma Γ分布,记做 X X X~ Γ ( α , β ) \Gamma(\alpha,\beta) Γ(α,β)

其中 Γ ( α ) = ∫ 0 + ∞ t α − 1 e − t d t \Gamma(\alpha)=\int_0^{+\infty} t^{\alpha-1}e^{-t}dt Γ(α)=∫0+∞​tα−1e−tdt。

β α Γ ( α ) \frac{\beta^\alpha}{\Gamma(\alpha)} Γ(α)βα​可以看作函数的系数项,其中 α \alpha α称之为形状参数, β \beta β称之为尺度参数

虽然现在还不知道为啥有这个函数,总而言之先记住。

Γ ( α ) \Gamma(\alpha) Γ(α)函数性质

这些性质用于之后的推导

(1) Γ ( 1 ) = 1 , Γ ( 1 2 ) = π \Gamma(1) = 1,\Gamma(\frac 12)=\sqrt\pi Γ(1)=1,Γ(21​)=π ​ 第一个很简单,直接积就行, 第二个和积 e − t 2 e^{-t^2} e−t2差不多

(2) Γ ( α + 1 ) = α Γ ( α ) , α > 0 \Gamma(\alpha +1)=\alpha\Gamma(\alpha),\alpha>0 Γ(α+1)=αΓ(α),α>0 直接把 α \alpha α提出来就行

(3) Γ ( n + 1 ) = n ! \Gamma(n+1)=n! Γ(n+1)=n!,n是自然数 由第二条+第一条推出

(4) α = 1 \alpha=1 α=1, Γ \Gamma Γ分布为服从参数 β \beta β的指数分布, α = n / 2 , β = 1 / 2 \alpha=n/2,\beta = 1/2 α=n/2,β=1/2,为 χ 2 ( n ) \chi^2(n) χ2(n)分布(这是啥分布)

分布函数性质

(1) 设 X X X~ ( α , β ) (\alpha,\beta) (α,β),则 E ( X ) = α / β , D ( X ) = α / β 2 E(X)=\alpha/\beta,D(X)=\alpha/\beta^2 E(X)=α/β,D(X)=α/β2

证明:

E ( X ) = ∫ 0 + ∞ x f ( x ) d x = ∫ 0 + ∞ β α Γ ( α ) x α + 1 − 1 e − β x d x = β α Γ ( α ) ∫ 0 + ∞ x α + 1 − 1 e − β x d x E(X)=\int_0^{+\infty}xf(x)dx=\int_0^{+\infty}\frac{\beta^\alpha}{\Gamma(\alpha)}x^{\alpha+1-1}e^{-\beta x}dx=\frac{\beta^\alpha}{\Gamma(\alpha)}\int_0^{+\infty}x^{\alpha+1-1}e^{-\beta x}dx E(X)=∫0+∞​xf(x)dx=∫0+∞​Γ(α)βα​xα+1−1e−βxdx=Γ(α)βα​∫0+∞​xα+1−1e−βxdx

然后我们要把后面这一项凑成 ∫ 0 + ∞ t α − 1 e − t d t \int_0^{+\infty} t^{\alpha-1}e^{-t}dt ∫0+∞​tα−1e−tdt这个形式,来相消。

做变换 β x = y ⇔ x = y / β \beta x=y\Leftrightarrow x=y/\beta βx=y⇔x=y/β

E ( X ) = β α Γ ( α ) ∫ 0 + ∞ ( y / β ) α + 1 − 1 e − y d ( y / β ) = 1 β Γ ( α ) ∫ 0 + ∞ y α + 1 − 1 e − y d y = Γ ( α + 1 ) β Γ ( α ) = α β E(X)=\frac{\beta^\alpha}{\Gamma(\alpha)}\int_0^{+\infty}(y/\beta)^{\alpha+1-1}e^{-y}d(y/\beta)=\frac{1}{\beta\Gamma(\alpha)}\int_0^{+\infty}y^{\alpha+1-1}e^{-y}dy=\frac{\Gamma(\alpha+1)}{\beta\Gamma(\alpha)}=\frac{\alpha}{\beta} E(X)=Γ(α)βα​∫0+∞​(y/β)α+1−1e−yd(y/β)=βΓ(α)1​∫0+∞​yα+1−1e−ydy=βΓ(α)Γ(α+1)​=βα​

D ( X ) = E ( X 2 ) − E 2 ( X ) D(X)=E(X^2)-E^2(X) D(X)=E(X2)−E2(X),所以我们只需要求 E ( X 2 ) E(X^2) E(X2)即可,和上面的变形类似,套公式

E ( X 2 ) = ∫ 0 + ∞ x 2 f ( x ) d x = ∫ 0 + ∞ β α Γ ( α ) x α + 2 − 1 e − β x d x = β α Γ ( α ) ∫ 0 + ∞ x α + 2 − 1 e − β x d x E(X^2)=\int_0^{+\infty}x^2f(x)dx=\int_0^{+\infty}\frac{\beta^\alpha}{\Gamma(\alpha)}x^{\alpha+2-1}e^{-\beta x}dx=\frac{\beta^\alpha}{\Gamma(\alpha)}\int_0^{+\infty}x^{\alpha+2-1}e^{-\beta x}dx E(X2)=∫0+∞​x2f(x)dx=∫0+∞​Γ(α)βα​xα+2−1e−βxdx=Γ(α)βα​∫0+∞​xα+2−1e−βxdx

然后用同样的变换,凑出一个 Γ ( α + 2 ) \Gamma(\alpha+2) Γ(α+2),可以得出 E ( X 2 ) = α ( α + 1 ) / β 2 E(X^2)=\alpha(\alpha+1)/\beta^2 E(X2)=α(α+1)/β2

所以 D ( X ) = α ( α + 1 ) / β 2 − α 2 / β 2 = α / β 2 D(X) = \alpha(\alpha+1)/\beta^2-\alpha^2/\beta^2=\alpha/\beta^2 D(X)=α(α+1)/β2−α2/β2=α/β2

(2) 设$X_1,X_2,…,X_n,X_i $ ~ Γ ( α i , β ) \Gamma(\alpha_i,\beta) Γ(αi​,β),则 X 1 + X 2 + . . . + X n X_1+X_2+...+X_n X1​+X2​+...+Xn​~ Γ ( α 1 + α 2 + . . . + α n , β ) \Gamma(\alpha_1+\alpha_2+...+\alpha_n,\beta) Γ(α1​+α2​+...+αn​,β)

证明:

显然要用数学归纳法来证明,所以我们只需要证明 Z = X 1 + X 2 Z=X_1+X_2 Z=X1​+X2​时候成立即可

用到一个东西,独立随机变量的密度卷积函数(什么鬼东西)

函数形式 f X + Y ( Z ) = ∫ − ∞ + ∞ f X ( x ) f Y ( z − y ) d x f_{X+Y}(Z)= \int_{-\infty}^{+\infty} f_X(x)f_Y(z-y)dx fX+Y​(Z)=∫−∞+∞​fX​(x)fY​(z−y)dx

还是离散形式还是好理解一点

P ( Z = r ) = P ( X + Y = r ) = P ( X = i , Y = r − i ) = P ( X = i ) P ( Y = r − i ) P(Z=r)=P(X+Y=r)=P(X=i,Y=r-i)=P(X=i)P(Y=r-i) P(Z=r)=P(X+Y=r)=P(X=i,Y=r−i)=P(X=i)P(Y=r−i)

所以公式证明如下

f ( Z ) = ∫ − ∞ + ∞ β α 1 Γ ( α 1 ) x α 1 − 1 e − β x ∗ β α 2 Γ ( α 2 ) ( z − x ) α 2 − 1 e − β ( z − x ) d x = β α 1 + α 2 Γ ( α 1 ) Γ ( α 2 ) ∫ − ∞ + ∞ x α 1 − 1 e − β x ( z − x ) α 2 − 1 e − β ( z − x ) d x = β α 1 + α 2 e − β z Γ ( α 1 ) Γ ( α 2 ) ∫ 0 z x α 1 − 1 ( z − x ) α 2 − 1 d x \begin{aligned} f(Z)&= \int_{-\infty}^{+\infty}\frac{\beta^{\alpha_1}}{\Gamma(\alpha_1)}x^{\alpha_1-1}e^{-\beta x}*\frac{\beta^{\alpha_2}}{\Gamma(\alpha_2)}(z-x)^{\alpha_2-1}e^{-\beta (z-x)}dx\\ & =\frac{\beta^{\alpha_1+\alpha_2}}{\Gamma(\alpha_1)\Gamma(\alpha_2)}\int_{-\infty}^{+\infty}x^{\alpha_1-1}e^{-\beta x}(z-x)^{\alpha_2-1}e^{-\beta (z-x)}dx\\ &=\frac{\beta^{\alpha_1+\alpha_2}e^{-\beta z}}{\Gamma(\alpha_1)\Gamma(\alpha_2)}\int_{0}^{z}x^{\alpha_1-1}(z-x)^{\alpha_2-1}dx \end{aligned} f(Z)​=∫−∞+∞​Γ(α1​)βα1​​xα1​−1e−βx∗Γ(α2​)βα2​​(z−x)α2​−1e−β(z−x)dx=Γ(α1​)Γ(α2​)βα1​+α2​​∫−∞+∞​xα1​−1e−βx(z−x)α2​−1e−β(z−x)dx=Γ(α1​)Γ(α2​)βα1​+α2​e−βz​∫0z​xα1​−1(z−x)α2​−1dx​

然后做变换 x = z u ⇔ u = x z x=zu\Leftrightarrow u=\frac xz x=zu⇔u=zx​,带入有

f ( Z ) = β α 1 + α 2 e − β z Γ ( α 1 ) Γ ( α 2 ) ∫ 0 z ( z u ) α 1 − 1 ( z − z u ) α 2 − 1 d x = β α 1 + α 2 e − β z Γ ( α 1 ) Γ ( α 2 ) ∫ 0 1 z α 1 − 1 u α 1 − 1 z α 2 − 1 ( 1 − u ) α 2 − 1 d z u = β α 1 + α 2 e − β z z α 1 − 1 + α 2 − 1 + 1 Γ ( α 1 ) Γ ( α 2 ) ∫ 0 1 u α 1 − 1 ( 1 − u ) α 2 − 1 d u \begin{aligned} f(Z)&=\frac{\beta^{\alpha_1+\alpha_2}e^{-\beta z}}{\Gamma(\alpha_1)\Gamma(\alpha_2)}\int_{0}^{z}(zu)^{\alpha_1-1}(z-zu)^{\alpha_2-1}dx\\ &=\frac{\beta^{\alpha_1+\alpha_2}e^{-\beta z}}{\Gamma(\alpha_1)\Gamma(\alpha_2)}\int_{0}^{1}z^{\alpha_1-1}u^{\alpha_1-1}z^{\alpha_2-1}(1-u)^{\alpha_2-1}dzu\\ &=\frac{\beta^{\alpha_1+\alpha_2}e^{-\beta z}z^{\alpha_1-1+\alpha_2-1+1}}{\Gamma(\alpha_1)\Gamma(\alpha_2)}\int_{0}^{1}u^{\alpha_1-1}(1-u)^{\alpha_2-1}du \end{aligned} f(Z)​=Γ(α1​)Γ(α2​)βα1​+α2​e−βz​∫0z​(zu)α1​−1(z−zu)α2​−1dx=Γ(α1​)Γ(α2​)βα1​+α2​e−βz​∫01​zα1​−1uα1​−1zα2​−1(1−u)α2​−1dzu=Γ(α1​)Γ(α2​)βα1​+α2​e−βzzα1​−1+α2​−1+1​∫01​uα1​−1(1−u)α2​−1du​

然后我们称 B ( α , β ) = ∫ 0 1 t α − 1 ( 1 − t ) β − 1 d t 为 β 函 数 B(\alpha,\beta)=\int_0^1 t^{\alpha-1}(1-t)^{\beta-1}dt为\beta 函数 B(α,β)=∫01​tα−1(1−t)β−1dt为β函数(哪来这么多函数)

然后我们的 β 函 数 \beta函数 β函数有一个性质(哪来这么多性质), β ( α 1 , α 2 ) = Γ ( α 1 ) Γ ( α 2 ) Γ ( α 1 + α 2 ) \beta(\alpha_1,\alpha_2)=\frac{\Gamma(\alpha_1)\Gamma(\alpha_2)}{\Gamma(\alpha_1+\alpha_2)} β(α1​,α2​)=Γ(α1​+α2​)Γ(α1​)Γ(α2​)​

然后带进去消除一下

f ( Z ) = β α 1 + α 2 e − β z z α 1 − 1 + α 2 − 1 + 1 Γ ( α 1 + α 2 ) = β α 1 + α 2 Γ ( α 1 + α 2 ) z α 1 + α 2 − 1 e − β z \begin{aligned} f(Z)&=\frac{\beta^{\alpha_1+\alpha_2}e^{-\beta z}z^{\alpha_1-1+\alpha_2-1+1}}{\Gamma(\alpha_1+\alpha_2)}\\ &=\frac{\beta^{\alpha_1+\alpha_2}}{\Gamma(\alpha_1+\alpha_2)}z^{\alpha_1+\alpha_2-1}e^{-\beta z} \end{aligned} f(Z)​=Γ(α1​+α2​)βα1​+α2​e−βzzα1​−1+α2​−1+1​=Γ(α1​+α2​)βα1​+α2​​zα1​+α2​−1e−βz​

然后终于证明完了(latex代码都要敲晕了)

各种各样的分布函数-Γ分布相关推荐

  1. 各种各样的分布函数-t分布,F分布

    t-分布 设XXX~N(0,1)N(0,1)N(0,1),YYY ~ χ2(n)\chi^2(n)χ2(n),且XXX与YYY相互独立,则称随机变量T=XY/nT=\frac{X}{\sqrt{Y/n ...

  2. 各种各样的分布函数-卡方分布

    函数形式 前面也提到过,其实 χ 2 ( n ) 分 布 , 就 是 Γ 分 布 的 一 种 特 殊 形 式 \chi^2(n)分布,就是\Gamma分布的一种特殊形式 χ2(n)分布,就是Γ分布的一 ...

  3. 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(N(t)=n)=(λ ...

  4. 随机变量X,分布函数X~F(x)的理解。

    1.随机变量X 1.通常认知的"x"与随机变量X 我们通常意义上的 x 是自变量,y = f(x) 中的自变量. 但是 X 更多意义是 对应法则 " f " , ...

  5. 概率论之蒙特卡罗模拟

    蒙特卡罗 什么是采样 概率密度函数 probablity density function(PDF) 累积概率分布函数 cumulative probablity distribution funct ...

  6. 【GANs学习笔记】(三)GANs理论基础

    完整笔记:http://www.gwylab.com/note-gans.html ----------------------- 第二章 GANs的理论与提升 本章会介绍一些与提升和改进GANs相关 ...

  7. 150分钟学会R语言与R常见问题解答

    序: 这篇文档内容的来源多样,既有来自于 R官方文档(包括 R intro,R data,R admin),也有来 自于互联网的 contributed documents:还有若干来自于 Capit ...

  8. 【思维导图】什么是核密度估计?知乎大神的回答整合

    [点开看大图] 核密度估计(kernel density estimation) 定义 是在概率论中用来估计未知的密度函数,属于非参数检验方法之一 非参数检验方法 核密度估计其实是对直方图的一个自然拓 ...

  9. TDSQL分布式事务实现机制

    名师介绍: 大家好,我是郭一军. 云贝数据创始人,腾讯云TVP,PostgreSQL ACE,腾讯云高级认证讲师,Oracle MySQL高级认证讲师,中国PostgreSQL分会高级认证讲师.ITP ...

最新文章

  1. Jupyter Notebook 使用小记
  2. python中修改列表元素的2种方法
  3. 两个pdf怎么打开成两个窗口_如何将图片合并成PDF?教你两个免费方法
  4. “全裸”:看向京的雕塑艺术展
  5. CountDownLatch应用实战
  6. 函数 (四) 迭代器和生成器
  7. 随想录(hls加速技术)
  8. 几句话实现导航栏透明渐变 – iOS
  9. Atitit  循环(loop), 递归(recursion), 遍历(traversal), 迭代(iterate).
  10. 运用matlab求公式 的主析取范式与主合取范式,并求公式的成真赋值和成假赋值。
  11. 一场面试过后—移动前端开发
  12. fid-helper-pytorch 简单易用的 FID 计算工具
  13. 苹果手机应用分身_云手机应用多开app推荐 好用的多开分身软件
  14. 洛谷P4417 [COCI2006-2007#2] STOL
  15. PDF文件页面如何提取
  16. Libgdx粒子效果介绍与使用心得
  17. 推荐用户体验设计师必读的5本用户体验书籍
  18. 微信支付『支付失败,如果已扣款,资金在0-3个工作日原路返回』踩坑案例及解决方案
  19. 苹果xr怎么截屏_手机资讯:iPhone XR更新系统后无信号怎么办iPhone XR无信号解决办法...
  20. Docker 容器技术,让你不再为环境而烦恼

热门文章

  1. 【线段树】[LUOGU 守墓人] [LUOGU 维护序列] 线段树模板题
  2. 还不知道 Puppeteer 的注意了,它能干大事
  3. 锐龙7000PBO温度墙设置
  4. 【Java8】函数式接口
  5. 联想Y400安装ubuntu16.04、cuda8.0、cudnn5.1、anaconda2.7、tensorflow1.2、keras、opencv
  6. php燕十八作业,布尔教育燕十八PHP基础巩固视频教程的源码分享
  7. Monthly expense(二分)
  8. 告诉你如何同时拿到腾讯两个部门的offer?
  9. getUserMedia API及HTML5 调用手机摄像头拍照
  10. Eslint +Vue配置