Gamma 分布隨機數產生器

Gamma 分布隨機數產生器

成長中 AI Skill PRO

輸入計算

結果

由 Gamma(a, b) 產生的隨機數
5.559021091, 1.218923273, 1.259469026, 1.844149030, 0.4934284284, 4.676419627, 4.352612183, 4.198673273, 5.184502578, 2.862985463
個數 10
樣本平均數 3.165018
樣本變異數 3.440493
理論平均數(a·b) 3
理論變異數(a·b²) 3

數學公式

Xi=尺度 b·Gi,Gi∼Gamma(形狀 a,1)i=1,2,…,個數f(x)=xa−1e−x/bbaΓ(a),x>0\begin{gathered} X_i = {{\text{尺度 } b}} \cdot G_i, \qquad G_i \sim \text{Gamma}\!\left({{\text{形狀 } a}},\, 1\right) \\[1.2em] i = 1, 2, \ldots, \text{個數} \\[1.2em] f(x) = \frac{x^{\,a-1}\, e^{-x/b}}{b^{\,a}\,\Gamma(a)}, \quad x > 0 \end{gathered}
顯示計算步驟 (1)
  1. 樣本平均數與變異數

    X‾=1N∑i=1NXis2=1N−1∑i=1N(Xi−X‾)2,N=個數\bar{X} = \frac{1}{N}\sum_{i=1}^{N} X_i \qquad s^2 = \frac{1}{N-1}\sum_{i=1}^{N}\left(X_i - \bar{X}\right)^2, \quad N = \text{個數}

    針對所產生數值的摘要統計量;變異數以 n-1(樣本)為分母。

使用統計

廣告

回報本頁錯誤

這個工具的功能

本產生器會依照你指定的形狀參數 a 與尺度參數 b,產生一串符合 Gamma 分布的偽隨機數。Gamma 分布是一種連續且恆正的機率分布,廣泛應用於可靠度工程、排隊理論、貝氏統計(作為共軛先驗分布)、降雨量與保險建模,以及任何牽涉等候時間或正偏態正值的情境。它是一項通用的數學工具,並不限於任何特定國家。

使用方法

輸入形狀參數 a(必須大於 0)、尺度參數 b(必須大於 0),以及你想要產生的數值個數(1 到 1000)。接著選擇要顯示的有效位數。按下計算後,系統會回傳一份排序過的抽樣清單,並同時列出樣本平均數與變異數,旁邊也附上理論平均數與變異數,方便你核對結果是否合理。

計算公式

當 \(x > 0\) 時,機率密度函數為 $$f(x; a, b) = \frac{1}{\Gamma(a)\cdot b} \cdot \left(\frac{x}{b}\right)^{a-1} \cdot e^{-x/b}$$ 其中 \(\Gamma(a)\) 為 gamma 函數。在這種以尺度參數表示的形式下,平均數為 \(a\cdot b\),變異數為 \(a\cdot b^2\)。請注意,\(b\) 是尺度(scale)而非速率(rate);若你使用的另一套程式庫採用速率 \(\lambda = 1/b\),請改設 \(b = 1/\lambda\)。抽樣方面,當 \(a \ge 1\) 時採用 Marsaglia-Tsang 擠壓法(squeeze method),當 \(a < 1\) 時則加上均勻分布次方的提升處理。每個單位尺度的抽樣值都會再乘上 \(b\),以套用尺度。

廣告
同一座標軸上不同形狀值的伽瑪分布機率密度曲線
隨著形狀參數 a 變化,伽瑪機率密度曲線的形狀也隨之改變。

實際範例

當 \(a = 3\)、\(b = 1\)、count = 10 時,每個數值都是 \(\text{Gamma}(3,1)\) 的抽樣。理論平均數為 \(a\cdot b = 3\),理論變異數為 \(a\cdot b^2 = 3\)(標準差約為 \(1.732\))。一組合理的抽樣結果,其平均數應落在 3 附近,離散程度約在 1.7 上下。若改為 \(a = 2\)、\(b = 5\),則平均數為 10、變異數為 50;而所有數值仍維持嚴格為正。

疊加理論密度曲線的伽瑪隨機樣本直方圖
生成樣本的直方圖近似於潛在的伽瑪密度。

常見問題

為什麼每次的數字都不一樣?因為輸出是隨機的,除非使用固定的亂數種子(seed),否則每次執行得到的數值都會不同。不過樣本平均數與變異數應該都會接近理論值。

如果 a = 1 會怎樣?\(\text{Gamma}(1, b)\) 就是平均數為 \(b\) 的指數分布(Exponential distribution)。當 \(a\) 為整數時,則為 Erlang 分布。

b 是速率還是尺度?它是尺度。平均數等於 \(a\cdot b\),因此 \(b\) 越大,分布就會往較大的數值延伸。

最後更新:

數學和統計熱門計算器

查看全部數學和統計計算器