Mari kita menjawab pertanyaan yang diajukan, Ini semua agak misterius bagiku. Apakah distribusi normal penting untuk derivasi distribusi gamma ...? Tidak ada misteri sebenarnya, itu hanya bahwa distribusi normal dan distribusi gamma adalah anggota, antara lain dari keluarga distribusi eksponensial , yang keluarga didefinisikan oleh kemampuan untuk mengkonversi antara bentuk-bentuk persamaan dengan mengganti parameter dan / atau variabel. Sebagai akibatnya, ada banyak konversi dengan substitusi antar distribusi, beberapa di antaranya dirangkum dalam gambar di bawah ini.
LEEMIS, Lawrence M .; Jacquelyn T. MCQUESTON (Februari 2008). "Hubungan Distribusi Univariat" (PDF). Ahli Statistik Amerika. 62 (1): 45–53. doi: 10.1198 / 000313008x270448 mengutip
Berikut adalah dua hubungan distribusi normal dan gamma secara lebih terperinci (di antara jumlah yang tidak diketahui lainnya, seperti via chi-squared dan beta).
Pertama Hubungan yang lebih langsung antara distribusi gamma (GD) dan distribusi normal (ND) dengan mean nol mengikuti. Sederhananya, GD menjadi normal karena parameter bentuknya diizinkan untuk meningkat. Membuktikan bahwa itulah masalahnya lebih sulit. Untuk GD,
GD ( z; a , b ) =⎧⎩⎨⎪⎪⎪⎪⎪⎪b- aza - 1e- zbΓ ( a )0z> 0lain.
Ketika parameter bentuk GD , bentuk GD menjadi lebih simetris dan normal, namun, ketika rerata meningkat dengan bertambahnya a , kita harus meninggalkan pergeseran GD dengan ( a - 1 ) √a → ∞Sebuahuntuk menahannya stasioner, dan akhirnya, jika kita ingin mempertahankan standar deviasi yang sama untuk GD bergeser kita, kita harus mengurangi parameter skala (b) sebanding dengan√( a - 1 ) 1Sebuah--√kb .1Sebuah--√
Intinya, untuk mengubah GD menjadi ND kasus pembatas, kami menetapkan standar deviasi menjadi konstanta ( ) dengan membiarkan b = √kdan geser GD ke kiri untuk memiliki mode nol dengan menggantiz=(a-1)√b = 1Sebuah--√kKemudianGD((a-1)√z= ( a - 1 ) 1Sebuah--√k + x .
GD ( ( a - 1 ) 1Sebuah--√k + x ; a , 1 Sebuah--√k )=⎧⎩⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪( kSebuah--√)- ae- a--√xk- a + 1( ( a - 1 ) kSebuah--√+ x )a - 1Γ ( a )0x > k ( 1 - a )Sebuah--√lain.
Perhatikan bahwa dalam batas sebagai nilai negatif sebagian x yang GD ini adalah nol → - ∞ . Artinya, dukungan GD semi-tak terbatas menjadi tak terbatas . Mengambil batas sebagai suatu → ∞ dari reparameterized GD, kita menemukana → ∞x→ - ∞a → ∞
lima → ∞( kSebuah√)- ae- a√xk- a + 1( ( a - 1 ) kSebuah√+ x )a - 1Γ ( a )= e- x22 k22 π--√k= ND ( x ; 0 , k2)
k = 2a = 1 , 2 , 4 , 8 , 16 , 32 , 64ND ( x ; 0 , 2 2)
Kedua Mari kita tegaskan bahwa karena kesamaan bentuk antara distribusi-distribusi ini, orang dapat cukup banyak mengembangkan hubungan antara gamma dan distribusi normal dengan menariknya keluar dari udara tipis. Selanjutnya, kami mengembangkan generalisasi distribusi gamma "tidak dilipat" dari distribusi normal.
Perhatikan terlebih dahulu bahwa itu adalah dukungan semi-tak terbatas dari distribusi gamma yang menghambat hubungan yang lebih langsung dengan distribusi normal. Namun, halangan itu dapat dihilangkan ketika mempertimbangkan distribusi setengah normal, yang juga memiliki dukungan setengah tak terbatas. Dengan demikian, seseorang dapat menggeneralisasi distribusi normal (ND) dengan terlebih dahulu melipatnya menjadi setengah normal (HND), terkait dengan distribusi gamma umum (GD), maka untuk tour de force kami , kami "membuka" keduanya (HND dan GD) untuk membuat ND umum (GND), karenanya.
Distribusi gamma umum
GD ( x ; α , β, γ, μ ) =⎧⎩⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪γe- ( x - μβ)γ( x - μβ)α γ- 1βΓ ( α )0x > μlain,
Dapat dikalibrasi ulang menjadi distribusi setengah normal ,
GD ( x ; 12, π--√θ, 2 , 0 ) =⎧⎩⎨⎪⎪⎪⎪⎪⎪2 θ e- θ2x2ππ0x > 0lain= HND ( x ; θ )
θ = π√σ2√.
ND ( x ; 0 , σ2) = 12HND ( x ; θ ) + 12HND ( - x ; θ ) = 12GD ( x ; 12, π--√θ, 2 , 0 )+ 12GD ( - x ; 12, π--√θ, 2 , 0 ),
yang menyiratkan itu
GND ( x ; μ , α , β)= 12GD ( x ; 1β, α , β, Μ ) + 12GD ( - x ; 1β, α , β, μ )= βe- ⎛⎝⎜| x - μ |α⎞⎠⎟β2 α Γ ( 1β),
μα > 0β> 0β= 2β= 1β→ ∞( μ - α , μ + α )α = π√2, β= 1 / 2 , 1 , 4α = π√2,β= 2
Di atas dapat dilihat sebagai distribusi normal umum 1 dan dalam parameterisasi yang berbeda dikenal sebagai distribusi daya eksponensial, dan distribusi kesalahan umum, yang pada gilirannya merupakan salah satu dari beberapa distribusi normal umum lain .