감마 분포 계산기

감마 분포 계산기

인기 AI Skill PRO

계산 입력

공식

f(x)=xk−1e−x/θθkΓ(k)여기서{k=형상 (k)θ=척도 (θ)f(\text{x}) = \frac{\text{x}^{\,k-1}\,e^{-\text{x}/\theta}}{\theta^{k}\,\Gamma(k)} \qquad \text{여기서}\quad \left\{ \begin{aligned} k &= \text{형상 (k)} \\ \theta &= \text{척도 (θ)} \end{aligned} \right.
계산 단계 보기 (3)
  1. 감마 누적분포함수 (CDF)

    F(x)=γ(형상 (k),x척도 (θ))Γ(형상 (k))F(\text{x}) = \frac{\gamma\!\left(\text{형상 (k)},\ \dfrac{\text{x}}{\text{척도 (θ)}}\right)}{\Gamma\!\left(\text{형상 (k)}\right)}

    γ는 하부 불완전 감마 함수; k = 형상, θ = 척도

  2. 평균

    μ=형상 (k)·척도 (θ)\mu = \text{형상 (k)} \cdot \text{척도 (θ)}

    평균 = 형상 × 척도

  3. 분산

    σ2=형상 (k)·척도 (θ)2\sigma^{2} = \text{형상 (k)} \cdot \text{척도 (θ)}^{2}

    분산 = 형상 × 척도²

사용 통계

광고

결과

확률밀도함수 (PDF): 0.36787944
누적분포함수 (CDF): 0.26424112
입력 모수 값
형상 모수 (k) 2
척도 모수 (θ) 1
X 값 1
추가 계산 결과 값
평균 2
분산 2
최빈값 1
왜도 1.4142
첨도 3

이 페이지의 오류 신고

이 계산기는 무엇을 하나요?

감마 분포 계산기는 형상 모수 k와 척도 모수 θ를 이용해 원하는 지점 X에서 감마 분포의 확률밀도함수(PDF)와 누적분포함수(CDF)를 계산합니다. PDF와 CDF는 물론, 분포의 평균·분산·최빈값·왜도·첨도까지 함께 산출해 단 세 개의 입력만으로 분포의 전체 통계적 모습을 한눈에 파악할 수 있습니다. 감마 분포는 대기 시간, 강수량, 보험금 청구액 등 0보다 큰 연속형 양수 값을 모델링하는 데 널리 쓰입니다.

같은 축에 그려진, 모양이 다른 여러 감마 분포 밀도 곡선
감마 PDF는 k와 θ에 따라 오른쪽으로 치우친 다양한 형태를 띱니다.

세 가지 입력값

  • 형상 모수 (k): 곡선의 형태를 결정합니다. k가 작으면 급격히 감소하는 형태가 되고, k가 클수록 종 모양에 가까워집니다.
  • 척도 모수 (θ): 분포를 x축 방향으로 늘립니다. θ가 클수록 확률이 더 큰 값 쪽으로 퍼집니다.
  • X 값: 확률밀도와 누적확률을 계산할 지점입니다.

계산 공식

이 계산기가 사용하는 PDF는 다음과 같습니다.

$$f(x) = \frac{x^{\,k-1}\,e^{-x/\theta}}{\theta^{k}\,\Gamma(k)}$$

여기서 \(\Gamma(k)\)는 감마 함수입니다. CDF는 이 밀도함수를 0부터 X까지 적분한 값으로, 정규화된 하부 불완전 감마 함수를 이용해 계산합니다. 또한 모수로부터 직접 다음 요약 통계량을 유도합니다.

  • 평균 = \(k\cdot\theta\)
  • 분산 = \(k\cdot\theta^{2}\)
  • 최빈값 = \(k > 1\)일 때 \((k-1)\cdot\theta\), 그 외에는 0
  • 왜도 = \(2/\sqrt{k}\)
  • 첨도(초과 첨도) = \(6/k\)
광고
점 X까지 왼쪽이 음영 처리되어 CDF를 나타내는 감마 밀도 곡선
CDF는 X의 왼쪽 곡선 아래 음영 처리된 면적입니다.

계산 예시

k = 2, θ = 3, X = 4라고 가정해 봅시다. PDF는 $$f(4) = \frac{4^{1}\cdot e^{-4/3}}{3^{2}\cdot\Gamma(2)} = \frac{4\cdot 0.2636}{9} \approx 0.117$$ 입니다. X = 4에서의 CDF는 약 0.385로, 변수가 4 이하일 확률이 대략 38.5%라는 뜻입니다. 평균은 \(2 \times 3 = 6\), 분산은 \(2 \times 3^{2} = 18\), 최빈값은 \((2-1) \times 3 = 3\), 왜도는 \(2/\sqrt{2} \approx 1.414\), 초과 첨도는 \(6/2 = 3\) 입니다.

주요 용어 및 관련 분포

  • PDF(확률밀도함수): 밀도 \(f(x)\). 곡선 아래의 넓이가 확률을 나타낸다. 감마 분포의 경우 \(x>0\)에 대해 \(f(x)=\dfrac{x^{k-1}e^{-x/\theta}}{\theta^{k}\,\Gamma(k)}\)이다.
  • CDF(누적분포함수): \(F(x)=P(X\le x)\), 즉 변수가 최대 x 이하일 확률이다.
  • 형상 모수(k): 곡선의 모양을 결정한다. α로도 표기한다.
  • 척도 모수(θ): 분포를 x축 방향으로 늘이며, X와 같은 단위를 가진다.
  • 율 모수(β): 척도 모수의 역수로, \(\beta = 1/\theta\)이므로 \(\theta = 1/\beta\)이다. 일부 소프트웨어와 교재는 감마 분포를 척도 모수가 아닌 율 모수로 나타낸다. 값을 입력하기 전에 어떤 모수를 사용하는지 확인하라.
  • 감마 함수 \(\Gamma(k)\): \(\Gamma(k)=\int_0^\infty t^{k-1}e^{-t}\,dt\)이다. 양의 정수 n에 대해 \(\Gamma(n)=(n-1)!\)이며, \(\Gamma(1/2)=\sqrt{\pi}\)이다.
  • 정규화된 不완전 감마 함수: \(P(k,z)=\dfrac{\gamma(k,z)}{\Gamma(k)}\)이며, 여기서 \(\gamma(k,z)=\int_0^z t^{k-1}e^{-t}\,dt\)이다. 감마 CDF는 \(F(x)=P(k,\,x/\theta)\)이다.
  • 초과 첨도: 초과 첨도가 0인 정규분포에 비해 꼬리가 얼마나 두꺼운지를 나타낸다. 감마 분포의 경우 \(6/k\)와 같다.

특수한 경우

  • 지수분포: \(k=1\)이면 평균이 θ인 지수분포가 된다.
  • 카이제곱분포: \(k=\nu/2\)이고 \(\theta=2\)이면 자유도가 ν인 카이제곱분포가 된다.
  • 얼랑분포: k가 정수이면 평균이 θ인 독립 지수분포 k개의 합인 얼랑분포가 된다. 그 CDF는 \(1-e^{-x/\theta}\sum_{n=0}^{k-1}\dfrac{(x/\theta)^n}{n!}\)이다.
  • 율에서 척도로: \(\theta=1/\beta\)이다. 예를 들어 단위당 율 0.5는 척도 2에 해당한다.
광고

PDF 및 CDF 출력값 해석

PDF

PDF 값은 확률이 아니라 밀도이다. 연속형 변수의 경우 어떤 한 정확한 값이 나올 확률은 0이다. 분포가 좁은 범위에 집중되어 있으면 밀도가 1을 넘을 수 있다. 예를 들어 k=2이고 θ=0.1처럼 척도가 매우 작으면 봉우리 근처의 밀도는 1을 훨씬 넘는다. 곡선 아래의 전체 넓이는 반드시 1이어야 한다.

CDF

  • CDF는 \(F(x)=P(X\le x)\)이며, 항상 0과 1 사이의 값을 가진다.
  • 상측 꼬리: \(P(X>x)=1-F(x)\).
  • 구간: \(P(a<X\le b)=F(b)-F(a)\). k=2, θ=2일 때 \(P(2<X\le 4)=0.593994-F(2)\)이며, 여기서 \(F(2)=1-2e^{-1}=0.264241\)이므로 0.329753이다.

형태 읽기

  • k < 1: x가 0에 가까워질수록 밀도가 한없이 커지며 점차 감소한다. 내부 봉우리는 없다.
  • k = 1: 분포는 지수분포이며, x=0에서 밀도가 가장 높고 그 값은 \(1/\theta\)이다.
  • k > 1: 분포는 단봉형이며, 봉우리는 \((k-1)\theta\)에 있고 오른쪽 꼬리가 길다.

정규성에 대한 접근

왜도 \(2/\sqrt{k}\)와 초과 첨도 \(6/k\)는 모두 k가 커질수록 작아진다. k=100이면 각각 0.2와 0.06이므로, 곡선은 평균 \(k\theta\), 분산 \(k\theta^2\)인 정규분포에 가까워진다. k가 작을 때는 특히 꼬리 부분과 0 근처에서 정규 근사가 좋지 않다.

자주 묻는 질문

척도(scale) 방식인가요, 율(rate) 방식인가요? 이 계산기는 척도(θ) 방식을 사용합니다. 율 모수 β를 가지고 있다면 \(\theta = 1/\beta\)로 변환한 뒤 입력하세요.

어떤 값이 유효한가요? k와 θ는 모두 양수여야 하며, 감마 분포는 음이 아닌 값에서만 정의되므로 X는 0 이상이어야 합니다.

감마 분포는 지수 분포·카이제곱 분포와 어떤 관계인가요? k = 1이면 감마 분포는 평균이 θ인 지수 분포가 됩니다. 자유도가 v인 카이제곱 분포는 \(k = v/2\), \(\theta = 2\)인 감마 분포와 같습니다.

최종 업데이트:

수학 및 통계 인기 계산기

수학 및 통계 계산기 전체 보기