- Distribution Gamma
-
Loi Gamma Densité de probabilité / Fonction de masse
Fonction de répartition
>Paramètres réel
réelSupport Densité de probabilité (fonction de masse) Fonction de répartition Espérance Médiane (centre) pas d'expression formelle Mode pour Variance Asymétrie Kurtosis normalisé Entropie
Fonction génératrice des moments pour t < 1 / θ Fonction caractéristique modifier En théorie des probabilités et en statistiques, une distribution Gamma, ou loi Gamma (ou Γ, qui correspond au g (gamma) majuscule en grec), est un type de loi de probabilité de variables aléatoires réelles positives. La famille des distributions Gamma inclut entre autres les lois exponentielles, les lois de sommes de variables aléatoires indépendantes suivant une même loi exponentielle, ainsi que la loi du χ². Elle permet donc de modéliser une grande variété de phénomènes pour des grandeurs positives.
Une variable aléatoire X suit une loi Gamma de paramètres k et θ (strictement positifs), ce que l'on note aussi , si sa fonction de densité de probabilité peut se mettre sous la forme :Alternativement, la distribution Gamma peut être paramétrée à l'aide d'un paramètre de forme α = k et d'un paramètre d'intensité β = 1 / θ:
Les deux paramétrages sont aussi répandus, selon la configuration.
Sommaire
Propriétés
Somme
Si chaque Xi suit la loi Γ(ki, θ) pour i = 1, 2, ..., N, et si les variables aléatoires Xi sont indépendantes, alors :
Scaling
Pour tout t > 0, la variable tX est distribuée selon Γ(k, tθ), où θ est le paramètre d'échelle.
ou
Pour tout t > 0, la variable tX est distribuée selon Γ(α, (1/t)β) où β est le paramètre d'intensité (rate parameter).
Lien avec les autres distributions
Contraintes sur les paramètres
- Si , alors X a une distribution exponentielle de paramètre λ.
- Si , alors X est identique à une variable χ2(ν), la distribution de la loi du χ² avec ν degré de liberté.
- Si k est un entier, la loi Gamma est une distribution d'Erlang;
- Si , alors X a une distribution de Maxwell-Boltzmann avec comme paramètre a.
Autres manipulations
- Si X a une distribution Γ(k, θ), alors 1/X a une distribution loi Gamma inverse, de paramètres k et θ − 1.
- Si X et Y sont distribuées indépendamment selon des lois Γ(α, θ) et Γ(β, θ) respectivement, alors X / (X + Y) a une distribution beta de paramètres α et β.
- SiXi sont distribuées selon des lois Γ(αi,θ) respectivement, alors le vecteur (X1 / S, ..., Xn / S), où S = X1 + ... + Xn, suit une distribution de Dirichlet de paramètres α1, ..., αn.
- Pour k grand, la distribution Gamma converge vers une loi normale, de moyenne μ = (k − 1)θ et de variance σ2 = (k − 1)θ2.
Voir aussi
- Portail des probabilités et des statistiques
Wikimedia Foundation. 2010.