Distribuição Gama
Uma das variáveis aleatórias contínuas e distribuição contínua é a distribuição Gama, como sabemos que a variável aleatória contínua lida com os valores ou intervalos contínuos, então é a distribuição Gama com função de densidade de probabilidade específica e função de massa de probabilidade, na discussão sucessiva que discutimos em detalhe o conceito, propriedades e resultados com exemplos de variável aleatória gama e distribuição gama.
Variável aleatória gama ou distribuição gama | o que é distribuição gama | definir distribuição gama | função de densidade de distribuição gama | função densidade de probabilidade de distribuição gama | prova de distribuição gama
Uma variável aleatória contínua com função de densidade de probabilidade
é conhecido por ser variável aleatória Gamma ou distribuição Gamma onde α> 0, λ> 0 e a função gama
temos a propriedade muito frequente da função gama por integração por partes como
Se continuarmos o processo a partir de n, então
e por último o valor de gama de um será
assim, o valor será
cdf de distribuição gama | distribuição gama cumulativa | integração da distribuição gama
A distribuição cumulativa função (cdf) da variável aleatória gama ou simplesmente a função de distribuição da variável aleatória gama é a mesma da variável aleatória contínua desde que a função de densidade de probabilidade seja diferente, ou seja
aqui, a função de densidade de probabilidade é conforme definido acima para a distribuição gama, a função de distribuição cumulativa que podemos escrever também como
em ambos os formatos acima, o valor de pdf é o seguinte
onde α> 0, λ> 0 são números reais.
Fórmula de distribuição gama | fórmula para distribuição gama | equação de distribuição gama | derivação de distribuição gama
Para encontrar a probabilidade para a variável aleatória gama, a função de densidade de probabilidade que temos que usar para diferentes dados α> 0, λ> 0 é como
e usando o pdf acima a distribuição da variável aleatória gama, podemos obter por
Assim, a fórmula de distribuição gama requer o valor pdf e os limites para a variável aleatória gama de acordo com o requisito.
Exemplo de distribuição gama
Mostre que a probabilidade total de distribuição gama é um com a função de densidade de probabilidade dada, ou seja
para λ> 0, α> 0.
Alternativa?
usando a fórmula para a distribuição gama
uma vez que a função de densidade de probabilidade para a distribuição gama é
que é zero para todos os valores menores que zero, então a probabilidade será agora
usando a definição da função gama
e substituição nós temos
assim
Média e variância da distribuição gama | expectativa e variância da distribuição gama | valor esperado e variação da distribuição gama | Média da distribuição gama | valor esperado da distribuição gama | expectativa de distribuição gama
Na discussão a seguir, encontraremos a média e a variância para a distribuição gama com a ajuda de definições padrão de expectativa e variância de variáveis aleatórias contínuas,
O valor esperado ou média da variável aleatória contínua X com função de densidade de probabilidade
ou a variável aleatória Gamma X será
média da prova de distribuição gama | valor esperado da prova de distribuição gama
Para obter o valor esperado ou a média da distribuição gama, seguiremos a definição e propriedade da função gama,
primeiro pela definição de expectativa de variável aleatória contínua e função de densidade de probabilidade da variável aleatória gama, temos
cancelando o fator comum e usando a definição da função gama
agora, como temos a propriedade da função gama
o valor da expectativa será
assim, a média ou valor esperado da variável aleatória gama ou distribuição gama que obtemos é
variância da distribuição gama | variância de uma distribuição gama
A variância para a variável aleatória gama com a função de densidade de probabilidade dada
ou a variação da distribuição gama será
variância da prova de distribuição gama
Como sabemos que a variância é a diferença dos valores esperados como
para a distribuição gama, já temos o valor da média
agora, primeiro vamos calcular o valor de E [X2], então, por definição de expectativa para a variável aleatória contínua, temos
uma vez que a função f (x) é a função de distribuição de probabilidade da distribuição gama como
então a integral será de zero a infinito apenas
então, por definição da função gama, podemos escrever
Assim, usando a propriedade da função gama, obtivemos o valor de
Agora, colocando o valor dessas expectativas em
assim, o valor da variância da distribuição gama ou variável aleatória gama é
Parâmetros de distribuição gama | distribuição gama de dois parâmetros | Distribuição gama de 2 variáveis
A distribuição Gama com os parâmetros λ> 0, α> 0 e a função de densidade de probabilidade
tem parâmetros estatísticos de média e variância como
e
uma vez que λ é um número real positivo, para simplificar e facilitar o manuseio, outra maneira é definir λ = 1 / β, então isso dá a função de densidade de probabilidade na forma
em resumo, a função de distribuição ou função de distribuição cumulativa para esta densidade, podemos expressar como
esta função de densidade gama dá a média e variância como
e
o que é óbvio pela substituição.
Ambas as formas são comumente usadas ou a distribuição gama com os parâmetros α e λ denotados por gama (α, λ) ou a distribuição gama com os parâmetros β e λ denotados por gama (β, λ) com os respectivos parâmetros estatísticos média e variância em cada uma das formas.
Ambos são nada mais que iguais.
Gráfico de distribuição gama | gráfico de distribuição gama | histograma de distribuição gama
A natureza da distribuição gama, podemos facilmente visualizar com a ajuda do gráfico para alguns dos valores específicos dos parâmetros, aqui desenhamos os gráficos para a função de densidade de probabilidade e função de densidade cumulativa para alguns valores de parâmetros
vamos tomar a função de densidade de probabilidade como
então a função de distribuição cumulativa será
Descrição: gráficos para a função de densidade de probabilidade e função de distribuição cumulativa fixando o valor de alfa como 1 e variando o valor de beta.
Descrição: gráficos para a função de densidade de probabilidade e função de distribuição cumulativa fixando o valor de alfa como 2 e variando o valor de beta
Descrição: gráficos para a função de densidade de probabilidade e função de distribuição cumulativa fixando o valor de alfa como 3 e variando o valor de beta
Descrição: gráficos para a função densidade de probabilidade e função de distribuição cumulativa fixando o valor de beta como 1 e variando o valor de alfa
Descrição: gráficos para a função de densidade de probabilidade e função de distribuição cumulativa fixando o valor de beta como 2 e variando o valor de alfa
Descrição: gráficos para a função de densidade de probabilidade e função de distribuição cumulativa fixando o valor de beta em 3 e variando o valor de alfa.
Em geral, curvas diferentes para variação de alfa é
Tabela de distribuição gama | tabela de distribuição gama padrão
O valor numérico da função gama
conhecido como valores numéricos de função gama incompletos, como segue
O valor numérico de distribuição gama para esboçar o gráfico para a função de densidade de probabilidade e função de distribuição cumulativa para alguns valores iniciais são os seguintes
1x | f (x), α = 1, β = 1 | f (x), α = 2, β = 2 | f (x), α = 3, β = 3 | P (x), α = 1, β = 1 | P (x), α = 2, β = 2 | P (x), α = 3, β = 3 |
0 | 1 | 0 | 0 | 0 | 0 | 0 |
0.1 | 0.904837418 | 0.02378073561 | 1.791140927E-4 | 0.09516258196 | 0.001209104274 | 6.020557215E-6 |
0.2 | 0.8187307531 | 0.0452418709 | 6.929681371E-4 | 0.1812692469 | 0.00467884016 | 4.697822176E-5 |
0.3 | 0.7408182207 | 0.06455309823 | 0.001508062363 | 0.2591817793 | 0.01018582711 | 1.546530703E-4 |
0.4 | 0.670320046 | 0.08187307531 | 0.00259310613 | 0.329679954 | 0.01752309631 | 3.575866931E-4 |
0.5 | 0.6065306597 | 0.09735009788 | 0.003918896875 | 0.3934693403 | 0.02649902116 | 6.812970042E-4 |
0.6 | 0.5488116361 | 0.1111227331 | 0.005458205021 | 0.4511883639 | 0.03693631311 | 0.001148481245 |
0.7 | 0.4965853038 | 0.1233204157 | 0.007185664583 | 0.5034146962 | 0.04867107888 | 0.001779207768 |
0.8 | 0.4493289641 | 0.1340640092 | 0.009077669195 | 0.5506710359 | 0.06155193555 | 0.002591097152 |
0.9 | 0.4065696597 | 0.1434663341 | 0.01111227331 | 0.5934303403 | 0.07543918015 | 0.003599493183 |
1 | 0.3678794412 | 0.1516326649 | 0.01326909834 | 0.6321205588 | 0.09020401043 | 0.004817624203 |
1.1 | 0.3328710837 | 0.1586611979 | 0.01552924352 | 0.6671289163 | 0.1057277939 | 0.006256755309 |
1.2 | 0.3011942119 | 0.1646434908 | 0.01787520123 | 0.6988057881 | 0.1219013822 | 0.007926331867 |
1.3 | 0.272531793 | 0.1696648775 | 0.0202907766 | 0.727468207 | 0.1386244683 | 0.00983411477 |
1.4 | 0.2465969639 | 0.1738048563 | 0.02276101124 | 0.7534030361 | 0.1558049836 | 0.01198630787 |
1.5 | 0.2231301601 | 0.1771374573 | 0.02527211082 | 0.7768698399 | 0.1733585327 | 0.01438767797 |
1.6 | 0.201896518 | 0.1797315857 | 0.02781137633 | 0.798103482 | 0.1912078646 | 0.01704166775 |
1.7 | 0.1826835241 | 0.1816513461 | 0.03036713894 | 0.8173164759 | 0.2092823759 | 0.01995050206 |
1.8 | 0.1652988882 | 0.1829563469 | 0.03292869817 | 0.8347011118 | 0.2275176465 | 0.02311528775 |
1.9 | 0.1495686192 | 0.1837019861 | 0.03548626327 | 0.8504313808 | 0.2458550043 | 0.02653610761 |
2 | 0.1353352832 | 0.1839397206 | 0.03803089771 | 0.8646647168 | 0.2642411177 | 0.03021210849 |
2.1 | 0.1224564283 | 0.1837173183 | 0.04055446648 | 0.8775435717 | 0.2826276143 | 0.03414158413 |
2.2 | 0.1108031584 | 0.183079096 | 0.04304958625 | 0.8891968416 | 0.3009707242 | 0.03832205271 |
2.3 | 0.1002588437 | 0.1820661424 | 0.04550957811 | 0.8997411563 | 0.3192309458 | 0.04275032971 |
2.4 | 0.09071795329 | 0.1807165272 | 0.04792842284 | 0.9092820467 | 0.3373727338 | 0.04742259607 |
2.5 | 0.08208499862 | 0.179065498 | 0.05030071858 | 0.9179150014 | 0.3553642071 | 0.052334462 |
2.6 | 0.07427357821 | 0.1771456655 | 0.05262164073 | 0.9257264218 | 0.373176876 | 0.05748102674 |
2.7 | 0.06720551274 | 0.1749871759 | 0.05488690407 | 0.9327944873 | 0.3907853875 | 0.0628569343 |
2.8 | 0.06081006263 | 0.1726178748 | 0.05709272688 | 0.9391899374 | 0.4081672865 | 0.06845642568 |
2.9 | 0.05502322006 | 0.1700634589 | 0.05923579709 | 0.9449767799 | 0.4253027942 | 0.07427338744 |
3 | 0.04978706837 | 0.1673476201 | 0.0613132402 | 0.9502129316 | 0.4421745996 | 0.08030139707 |
encontrar alfa e beta para distribuição gama | como calcular alfa e beta para distribuição gama | estimativa do parâmetro de distribuição gama
Para uma distribuição gama encontrando alfa e beta, tomaremos a média e a variância da distribuição gama
e
agora obteremos o valor do beta como
so
e
assim
pegando apenas algumas frações da distribuição gama, obteremos o valor de alfa e beta.
problemas e soluções de distribuição gama | problemas de exemplo de distribuição gama | tutorial de distribuição gama | questão de distribuição gama
1. Considere que o tempo necessário para resolver o problema para um cliente é gama distribuído em horas com média 1.5 e variância 0.75 qual seria o probabilidade de que o problema tempo de resolução superior a 2 horas, se o tempo exceder 2 horas qual seria a probabilidade do problema ser resolvido em pelo menos 5 horas.
solução: uma vez que a variável aleatória tem distribuição gama com média 1.5 e variância 0.75, então podemos encontrar os valores de alfa e beta e com a ajuda desses valores a probabilidade será
P (X> 2) = 13e-4= 0.2381
e
P (X> 5 | X> 2) = (61/13) e-6= 0.011631
2. Se o feedback negativo na semana dos usuários for modelado na distribuição gama com parâmetros alfa 2 e beta como 4 após o feedback negativo de 12 semanas após a reestruturação da qualidade, a partir dessa informação a reestruturação pode melhorar o desempenho?
solução: Como isso é modelado na distribuição gama com α = 2, β = 4
encontraremos a média e o desvio padrão como μ = E (x) = α * β = 4 * 2 = 8
uma vez que o valor X = 12 está dentro do desvio padrão da média então não podemos dizer que se trata de melhora ou não pela reestruturação da qualidade, provar que a melhora ocasionada pelas informações de reestruturação fornecidas é insuficiente.
3. Seja X o distribuição gama com os parâmetros α=1/2, λ=1/2 , encontre a função densidade de probabilidade para a função Y=Raiz quadrada de X
Solução: vamos calcular a função de distribuição cumulativa para Y como
agora diferenciar isso em relação a y dá a função de densidade de probabilidade para Y como
e o intervalo para y será de 0 a infinito
Conclusão:
O conceito de distribuição gama em probabilidade e estatística é aquele da importante distribuição aplicável no dia a dia da família exponencial, todos os conceitos de nível básico e superior foram discutidos até agora relacionados com distribuição gama, se precisar de mais leituras, leia os livros mencionados. Você também pode visitar matemática página para mais tópicos
https://en.wikipedia.org/wiki/Gamma_distribution
Um primeiro curso de probabilidade por Sheldon Ross
Esboços de probabilidade e estatísticas de Schaum
Uma introdução à probabilidade e estatística por ROHATGI e SALEH
Eu sou DR. Mohammed Mazhar Ul Haque. Concluí meu doutorado. em Matemática e atuando como professor assistente em Matemática. Possui 12 anos de experiência em docência. Possuindo vasto conhecimento em Matemática Pura, precisamente em Álgebra. Ter a imensa capacidade de projetar e resolver problemas. Capaz de motivar candidatos para melhorar seu desempenho.
Adoro contribuir com Lambdageeks para tornar a matemática simples, interessante e autoexplicativa para iniciantes e também para especialistas.