Legea gamma
Legea gamma
|
Probabilitate densitate
|
|
|
Funcția de distribuție
|
|
Setări
|
k>0{\ displaystyle k> 0 \,}real real
θ>0{\ displaystyle \ theta> 0 \,} |
---|
A sustine
|
X∈[0,+∞[{\ displaystyle x \ in [0, + \ infty [}
|
---|
Probabilitate densitate
|
Xk-1e-XθΓ(k)θk{\ displaystyle {\ frac {x ^ {k-1} \ mathrm {e} ^ {- {\ frac {x} {\ theta}}}} {\ Gamma (k) \ theta ^ {k}}}}
|
---|
Funcția de distribuție
|
γ(k,X/θ)Γ(k){\ displaystyle {\ frac {\ gamma (k, x / \ theta)} {\ Gamma (k)}}}
|
---|
Speranţă
|
kθ{\ displaystyle k \ theta \,}
|
---|
Median
|
nici o expresie formală
|
---|
Modă
|
(k-1)θ{\ displaystyle (k-1) \ theta \,} pentru k≥1{\ displaystyle k \ geq 1 \,}
|
---|
Varianța
|
kθ2{\ displaystyle k \ theta ^ {2} \,}
|
---|
Asimetrie
|
2k{\ displaystyle {\ frac {2} {\ sqrt {k}}}}
|
---|
Curtoză normalizată
|
6k{\ displaystyle {\ frac {6} {k}}}
|
---|
Entropie
|
kθ+(1-k)ln(θ)+ln(Γ(k)){\ displaystyle k \ theta + (1-k) \ ln (\ theta) + \ ln (\ Gamma (k)) \,} +(1-k)ψ(k){\ displaystyle + (1-k) \ psi (k) \,}
|
---|
Funcție generatoare de momente
|
(1-θt)-k{\ displaystyle (1- \ theta \, t) ^ {- k}} pentru t<1/θ{\ displaystyle t <1 / \ theta}
|
---|
Funcția caracteristică
|
(1-euθt)-k{\ displaystyle \ left (1-i \ theta t \ right) ^ {- k} \,}
|
---|
În teoria probabilităților și statistica , o distribuție gamma sau gamma de distribuție este un tip de distribuție de probabilitate a variabilelor aleatoare reale pozitive . Familia distribuțiilor Gamma include, printre altele, legea χ² și distribuțiile exponențiale . O distribuție Gamma este caracterizată de doi parametri care afectează, respectiv, forma și scara reprezentării sale grafice . Distribuțiile gamma sunt utilizate pentru a modela o mare varietate de fenomene, și mai ales fenomene care apar în timp, în care, în esență, timpul scurs este o cantitate reală pozitivă; acesta este cazul, de exemplu, în analiza supraviețuirii .
Definiție și proprietăți
Definiție
O variabilă aleatorie X urmează o lege Gamma a parametrilor k și θ (strict pozitivi), pe care o notăm și (unde Γ este litera mare a literei grecești gamma ) dacă funcția sa de densitate a probabilității poate fi sub forma:
X∼Γ(k,θ){\ displaystyle X \, \ sim \ Gamma (k, \ theta)}
f(X;k,θ)=Xk-1e-XθΓ(k)θk{\ displaystyle f (x; k, \ theta) = {\ frac {x ^ {k-1} \ mathrm {e} ^ {- {\ frac {x} {\ theta}}}} {\ Gamma (k ) \ theta ^ {k}}}},
unde x > 0 și Γ denotă funcția Gamma a lui Euler .
Alternativ, distribuția Gamma poate fi parametrizată folosind un parametru de formă α = k și un parametru de intensitate :
β=1/θ{\ displaystyle \ beta = 1 / \ theta}
f(X;α,β)=Xα-1βαe-βXΓ(α) potur X>0{\ displaystyle f (x; \ alpha, \ beta) = x ^ {\ alpha -1} {\ frac {\ beta ^ {\ alpha} \, \ mathrm {e} ^ {- \ beta \, x}} {\ Gamma (\ alpha)}} \ \ mathrm {for} \ x> 0}.
Ambele setări sunt la fel de populare, în funcție de context.
Sumă
Dacă fiecare X i respectă legea Γ ( k i , θ) pentru i = 1, 2, ..., N și dacă variabilele aleatoare X i sunt independente , atunci:
∑eu=1NUXeu∼Γ(∑eu=1NUkeu,θ){\ displaystyle \ sum _ {i = 1} ^ {N} X_ {i} \ sim \ Gamma \ left (\ sum _ {i = 1} ^ {N} k_ {i}, \ theta \ right)}.
Schimbarea scalei
Pentru toate t > 0 , variabila tX este distribuită în funcție de
Γ ( k , t θ) unde θ este
parametrul scalei
sau
Γ ( α , β / t ) unde β este
parametrul de intensitate (
parametrul ratei ).
Legătură cu alte distribuții
Constrângeri asupra parametrilor
- Dacă , atunci X are o distribuție exponențială cu parametrul λ .X∼Γ(k=1,θ=1/λ){\ displaystyle X \ sim {\ Gamma} (k = 1, \ theta = 1 / \ lambda) \,}
- Dacă , atunci X este identic cu o variabilă χ 2 ( ν ) , distribuția legii lui χ² cu ν grade de libertate.X∼Γ(k=ν/2,θ=2){\ displaystyle X \ sim {\ Gamma} (k = \ nu / 2, \ theta = 2) \,}
- Dacă k este un număr întreg, legea Gamma este o distribuție Erlang .
- Dacă , atunci X are o distribuție a lui Maxwell-Boltzmann cu parametrul are .X2∼Γ(3/2,2la2){\ displaystyle X ^ {2} \ sim {\ Gamma} (3 / 2,2a ^ {2}) \,}
Alte manipulări
- Dacă X are o distribuție Γ ( k , θ), atunci 1 / X are o distribuție inversă a legii Gamma , cu parametrii k și θ −1 .
- Dacă X și Y sunt distribuite independent conform legilor Γ (α, θ) și respectiv Γ (β, θ), atunci X / ( X + Y ) are o distribuție beta a parametrilor α și β.
- Dacă X i sunt distribuiți conform legilor Γ (α i , θ) respectiv, atunci urmează vectorul ( X 1 / S , ..., X n / S ), unde S = X 1 + ... + X n , urmează o distribuție Dirichlet a parametrilor α 1 , ..., α n .
- Pentru k mari, distribuția Gamma converge la o distribuție normală a mediei și a varianței . Mai mult, oricare ar fi k și θ, prin fixarea constantelor și în acest mod , densitățile de probabilitate ale distribuției Gamma Γ ( k , θ) și ale distribuției normale au apoi două puncte de inflexiune pe aceeași abscisă, la știință și .μ=(k-1)θ{\ displaystyle \ mu = (k-1) \ theta}σ2=(k-1)θ2{\ displaystyle \ sigma ^ {2} = (k-1) \ theta ^ {2}}μ{\ displaystyle \ mu}σ{\ displaystyle \ sigma}NU(μ,σ2){\ displaystyle N (\ mu, \ sigma ^ {2})}μ+σ=θ(k-1)+θk-1{\ displaystyle \ mu + \ sigma = \ theta (k-1) + \ theta {\ sqrt {k-1}}}μ-σ=θ(k-1)-θk-1{\ displaystyle \ mu - \ sigma = \ theta (k-1) - \ theta {\ sqrt {k-1}}}
Proprietatea de concentrare
Dacă , atunci pentru tot , și .
X∼χ2(k){\ displaystyle X \ sim \ chi ^ {2} (k)}t>0{\ displaystyle t> 0}P(X≥k+2kt+2t)≤e-t{\ displaystyle \ mathbb {P} \ left (X \ geq k + 2 {\ sqrt {kt}} + 2t \ right) \ leq e ^ {- t}}P(X≤k-2kt)≤e-t{\ displaystyle \ mathbb {P} \ left (X \ leq k-2 {\ sqrt {kt}} \ right) \ leq e ^ {- t}}
Referințe
-
(în) Verzelen, Nicolas și GASSIAT, Elizabeth, „ Estimare adaptivă a raporturilor semnal-zgomot de înaltă dimensiune ” , arXiv ,16 martie 2017, p. 41 ( citește online )
<img src="https://fr.wikipedia.org/wiki/Special:CentralAutoLogin/start?type=1x1" alt="" title="" width="1" height="1" style="border: none; position: absolute;">