怎么来理解伽玛（gamma）分布？

参数有点多，又有积分，公式上看起来挺复杂的，地位上为什么这么重要，有哪些实用的方面，怎样可以方便理解？

热心的小回应 · 2021-1-3 19:05:47

需要理解？alpha （一般为整数）代表一件事发生的次数；beta代表它发生一次的概率（或者叫速率）。那么gamma 分布就代表这么一件事发生alpha 次所需要时间的分布。
例如alpha=1 就是指数分布

热心的小回应 · 2021-1-3 19:05:46

推荐一本书
Random Phenomena: Fundamentals of Probability and Statistics for Engineers
在我读本科的时候，这本书的作者正好来我们学校交流，我上了他开的暑期课，感觉收获挺多的。

这本书里关于各种分布背后的来源/应用，我觉得是讲得不错的。拿题主问的Gamma分布来说， @T Yuan的回答给出了和泊松过程、指数分布的关系，以及详细的数学推导，这里不再重复。书上（9.1.2节）给了几个例子帮助直觉上的理解，其中一个是：
冗余系统（standby redundant system）
假设有一个系统有
个部件，但实际需要的只有一个（其余的是备用）。当一个部件失效时，另一个自动接管。因此，只有当所有
个部件都失效时，系统才会崩溃。在一定假设下，Gamma分布可以用来描述这样一个系统的寿命。

我记得当时课上老师还调侃说，发paper要经历和审稿人来回交流的过程，也许发paper的总审稿时间也可以用Gamma分布来描述。

热心的小回应 · 2021-1-3 19:05:45

从熵最大化的角度来看，如果一个事物既满足算术平均值是固定值
，又满足几何平均值是固定值
的，这种分布最可能的分布为
分布。
也就是说，
分布可以用来模拟我们经常用来作为思想实验的事物，总数是不变的同时，其增长率也是固定的。这种事物是不存在的，但是我们可以给出他存在的概率。这种思考问题的方式确实真实存在，例如我们经常讲人民币每年升值20%，均衡汇率为6.5。例如风速，我们也可以认为其总量是不变的，同时增速也是固定的。但是我们必须要注意，因为
分布更多的用来描述汇率、速率这样的变量，所以他是没有量纲的量，也就是说与正态分布最大的不同，2X就是2倍风速的意思，不能是改变单位的意思。

热心的小回应 · 2021-1-3 19:05:44

伽玛分布一般和指数分布一起理解：
1、从意义来看：指数分布解决的问题是“要等到一个随机事件发生，需要经历多久时间”，伽玛分布解决的问题是“要等到n个随机事件都发生，需要经历多久时间”。
所以，伽玛分布可以看作是n个指数分布的独立随机变量的加总，即，n个Exponential(λ)random variables--->Gamma(n,λ）
2、从公式来看：
XGamma(α,λ)，概率公式如下

alpha代表上述的n, 当alpha=1时，就变成了指数分布：

3、从统计指标来看：

这就是 n(alpha)倍的指数分布的期望啊！
这样就好记多了吧？
------------------------------------------------------
补充一下：
如果想更好地理解，还可以加入泊松分布，泊松分布解决的是“在特定时间里发生n个事件的机率”。所以可以脑洞大开地想：伽玛分布=指数分布＊泊松分布。看看pdf的表达式，自己换一个写法就会发现伽玛把exponential和poisson的公式揉到一起了。

热心的小回应 · 2021-1-3 19:05:43

其实你只要记住了Gamma function
做积分变换
，可得
，从而

那么Gamma distribution 就很好记了。

并且伽马分布与一大坨分布有着暧昧的关系，比如：
Erlang distribution、Chi-squared distribution、Exponential distribution、Beta distribution、Normal distribution

最后来个分布族谱图：

热心的小回应 · 2021-1-3 19:05:42

Gamma分布即为多个独立且相同分布（iid）的指数分布变量的和的分布。
（最新修改，希望能够行文布局更有逻辑）

——————泊松过程——————
指数分布和泊松分布的关系十分密切，是统计学中应用极大的两种分布。
其中泊松过程是一个显著应用。

泊松过程是一个计数过程，通常用于模拟一个（非连续）事件在连续时间中发生的次数。

为一个泊松过程，则其满足三个性质：
①
（t=0时什么都没发生）

②
（增量）之间互相独立：
扩展补充：
与
互相独立，且在计数过程中

这是因为

③
即
根据增量独立性，易知其成立。

——————泊松→指数——————
假设
为第
次事件与第
次事件的间隔时间。

所以

所以

即泊松过程的事件间隔时间为指数分布。

——————指数→Gamma—————
再令
，即从头开始到第
次事件的发生的时间，该随机变量分布即为Gamma分布。
即
。
Gamma分布即为多个独立且相同分布（iid）的指数分布变量的和的分布。

——————证明——————
假设
且互相独立

①Moment Generating Function（MGF）：
MGF的定义为
则
其性质为

下证：

则
为Gamma分布的MGF。
MGF:Moment-generating function

②数学归纳法：
已知
所以当
时成立。
假设
时
成立
当
时，

其中

为
的pdf。证毕。

当然，Gamma分布与Beta，Chi-square分布也有着十分紧密的联系，不过在统计学应用中都不如与指数分布的联系来得重要。

怎么来理解伽玛（gamma）分布？

6 个回复