Υπολογιστής Κατανομής Γάμμα - Εργαλείο Στατιστικής Ανάλυσης
Υπολογίστε ιδιότητες κατανομής γάμμα με παραμέτρους σχήματος και κλίμακας. Άμεσος PDF, CDF, μέσος όρος, διακύμανση, ασυμμετρία και κύρτωση για στατιστική ανάλυση.
Υπολογιστής Κατανομής Γάμμα
Τεκμηρίωση
Τι είναι ο υπολογιστής κατανομής γάμμα;
Ένας υπολογιστής κατανομής γάμμα βρίσκει τη μέση τιμή, τη διακύμανση, τη λοξότητα, την κύρτωση και την επικρατούσα τιμή μιας κατανομής γάμμα από δύο εισόδους: μια παράμετρο σχήματος και μια παράμετρο κλίμακας. Σχεδιάζει επίσης τη συνάρτηση πυκνότητας πιθανότητας της κατανομής ως καμπύλη.
Τι είναι η κατανομή γάμμα;
Η κατανομή γάμμα είναι μια συνεχής κατανομή πιθανότητας για θετικές τιμές. Ορίζεται από δύο παραμέτρους: μια παράμετρο σχήματος, που συνήθως συμβολίζεται με k, και μια παράμετρο κλίμακας, που συνήθως συμβολίζεται με θ (θήτα). Και οι δύο πρέπει να είναι μεγαλύτερες από το μηδέν. Η κατανομή γάμμα χρησιμοποιείται για τη μοντελοποίηση μεγεθών που δεν μπορούν να είναι αρνητικά, όπως το συνολικό ύψος βροχής, το μέγεθος ασφαλιστικών αποζημιώσεων και ο χρόνος μέχρι τη βλάβη ενός εξαρτήματος μηχανής.
Τύπος της κατανομής γάμμα
Η συνάρτηση πυκνότητας πιθανότητας (ΣΠΠ) της κατανομής γάμμα είναι:
f(x; k, θ) = x^(k−1) · e^(−x/θ) / (θ^k · Γ(k))
Εδώ x είναι η τιμή στην οποία μετράται η πυκνότητα, και Γ(k) είναι η συνάρτηση γάμμα, μια γενίκευση του παραγοντικού σε μη ακέραιους αριθμούς. Ο τύπος ισχύει μόνο για x > 0· η πυκνότητα είναι μηδέν παντού αλλού.
Πώς υπολογίζονται οι ιδιότητες της κατανομής γάμμα
Από την παράμετρο σχήματος k και την παράμετρο κλίμακας θ, ο υπολογιστής βρίσκει:
- Μέση τιμή: k × θ
- Διακύμανση: k × θ²
- Λοξότητα: 2 / √k
- Κύρτωση: 3 + 6 / k
- Επικρατούσα τιμή: (k − 1) × θ όταν k ≥ 1, αλλιώς 0
Η λοξότητα μετρά πόσο ασύμμετρη είναι η καμπύλη. Ένα μικρότερο k παράγει μια μακρύτερη δεξιά ουρά. Η κύρτωση μετρά πόσο βαριές είναι οι ουρές σε σύγκριση με την κανονική κατανομή, η οποία έχει κύρτωση 3. Η επικρατούσα τιμή είναι η τιμή x στην οποία η καμπύλη φτάνει στη μέγιστη τιμή της. Όταν το k είναι κάτω από 1, η πυκνότητα συνεχίζει να αυξάνεται καθώς το x πλησιάζει το 0, οπότε δεν υπάρχει εσωτερική κορυφή, και ο υπολογιστής αναφέρει επικρατούσα τιμή 0.
Παράδειγμα υπολογισμού
Θεωρήστε μια παράμετρο σχήματος k = 2 και μια παράμετρο κλίμακας θ = 3.
- Μέση τιμή = 2 × 3 = 6
- Διακύμανση = 2 × 3² = 18
- Λοξότητα = 2 / √2 ≈ 1,4142
- Κύρτωση = 3 + 6 / 2 = 6
- Επικρατούσα τιμή = (2 − 1) × 3 = 3
Στην επικρατούσα τιμή, x = 3, η πυκνότητα προκύπτει f(3; 2, 3) = 3¹ · e^(−1) / (3² · Γ(2)) = (3 × 0,3679) / 9 ≈ 0,1226. Ο υπολογιστής σχεδιάζει την πλήρη καμπύλη αυτόματα μόλις εισαχθούν και οι δύο παράμετροι.
Πώς να χρησιμοποιήσετε τον υπολογιστή κατανομής γάμμα
- Εισαγάγετε την παράμετρο σχήματος (k), έναν θετικό αριθμό.
- Εισαγάγετε την παράμετρο κλίμακας (θ), έναν θετικό αριθμό.
- Η μέση τιμή, η διακύμανση, η λοξότητα, η κύρτωση και η επικρατούσα τιμή εμφανίζονται μόλις και τα δύο πεδία περιέχουν έγκυρους αριθμούς. Δεν υπάρχει ξεχωριστό κουμπί υπολογισμού· τα αποτελέσματα ενημερώνονται καθώς εισάγονται οι αριθμοί.
- Το γράφημα κάτω από τα αποτελέσματα δείχνει τη συνάρτηση πυκνότητας πιθανότητας. Σχεδιάζεται από λίγο πάνω από x = 0 έως όποιο από τα δύο είναι μεγαλύτερο: τριπλάσιο της μέσης τιμής ή πενταπλάσιο της παραμέτρου κλίμακας.
Και οι δύο παράμετροι πρέπει να είναι πεπερασμένοι αριθμοί μεγαλύτεροι από 0, και καμία δεν μπορεί να είναι μεγαλύτερη από 1.000. Τιμές μικρότερες από περίπου 2 × 10⁻¹⁶ απορρίπτονται επίσης, επειδή οι συνοπτικοί αριθμοί παύουν να έχουν νόημα σε αυτό το μέγεθος. Μια τιμή εκτός του αποδεκτού εύρους παράγει μήνυμα σφάλματος αντί για αποτελέσματα.
Πού χρησιμοποιείται η κατανομή γάμμα
Η κατανομή γάμμα μοντελοποιεί πολλά πραγματικά μεγέθη που είναι πάντα θετικά και συχνά λοξά προς τα δεξιά:
- Ασφάλειες: μεγέθη αποζημιώσεων και ποσά πληρωμών
- Μετεωρολογία: συνολικό ύψος βροχής σε καθορισμένη περίοδο
- Μηχανική: χρόνος μέχρι τη βλάβη ενός εξαρτήματος
- Θεωρία ουρών αναμονής: χρόνοι αναμονής που αποτελούνται από αρκετά εκθετικά βήματα
- Βιολογία: επίπεδα γονιδιακής έκφρασης και δεδομένα καταμέτρησης ειδών
Σχετικές κατανομές
Δύο γνωστές κατανομές είναι ειδικές περιπτώσεις της κατανομής γάμμα:
- Εκθετική κατανομή: μια κατανομή γάμμα με k = 1
- Κατανομή χ-τετράγωνο: μια κατανομή γάμμα με k = n/2 και θ = 2, όπου n είναι οι βαθμοί ελευθερίας
Οι κατανομές Weibull και λογαριθμοκανονική είναι συνήθεις εναλλακτικές για τη μοντελοποίηση θετικών, λοξών δεδομένων.
Συχνές ερωτήσεις
Σε τι χρησιμοποιείται η κατανομή γάμμα; Μοντελοποιεί συνεχή, θετικά μεγέθη όπως χρόνους αναμονής, ποσότητες βροχής και ασφαλιστικές αποζημιώσεις, ειδικά όταν τα δεδομένα τείνουν προς μεγάλες τιμές.
Πώς βρίσκετε τη μέση τιμή μιας κατανομής γάμμα; Πολλαπλασιάστε την παράμετρο σχήματος με την παράμετρο κλίμακας: μέση τιμή = k × θ. Για k = 2 και θ = 3, η μέση τιμή είναι 6.
Ποια είναι η διαφορά μεταξύ της παραμέτρου σχήματος και της παραμέτρου κλίμακας; Η παράμετρος σχήματος (k) ελέγχει τη μορφή της καμπύλης, συμπεριλαμβανομένης της λοξότητάς της. Η παράμετρος κλίμακας (θ) τεντώνει ή συμπιέζει την καμπύλη κατά μήκος του άξονα x χωρίς να αλλάζει το βασικό της σχήμα.
Πώς σχετίζεται η κατανομή γάμμα με την εκθετική κατανομή; Η εκθετική κατανομή είναι η κατανομή γάμμα με παράμετρο σχήματος k = 1.
Μπορεί η κατανομή γάμμα να πάρει αρνητικές τιμές; Όχι. Ορίζεται μόνο για x > 0. Δεδομένα που μπορούν να είναι αρνητικά χρειάζονται διαφορετική κατανομή, όπως η κανονική κατανομή.
Υπολογίζει αυτός ο υπολογιστής την αθροιστική συνάρτηση κατανομής; Όχι. Υπολογίζει τη μέση τιμή, τη διακύμανση, τη λοξότητα, την κύρτωση και την επικρατούσα τιμή, και σχεδιάζει τη συνάρτηση πυκνότητας πιθανότητας. Δεν παράγει τιμές αθροιστικής πιθανότητας.
Αναφορές
- "Gamma distribution." Wikipedia, Wikimedia Foundation. https://en.wikipedia.org/wiki/Gamma_distribution
- Johnson, N. L., Kotz, S., & Balakrishnan, N. (1994). Continuous Univariate Distributions, Volume 1. John Wiley & Sons.