最后更新: 2025-06-11 17:29 查看: 105 次反馈能力测评会员8.2元/月赞助

附录：伽玛函数与e和π

## 伽玛函数
在研究概率密度时，大概率会经常碰到伽玛函数。他的定义是：

$$
\Gamma(s)=\int_0^{+\infty} \mathrm{e}^{-x} x^{s-1} \mathrm{~d} x \quad(s>0)  ... （5.1）
$$

可以看到这个定义里包含了e，所以，导致密度函数出现了e，详见 [伽玛函数](https://kb.kmath.cn/kbase/detail.aspx?id=1456)

伽玛函数性质很多，他的一个性质是：

递推公式 $\Gamma(s+1)=s \Gamma(s)(s>0)$.
 
反复运用递推公式,便有
$$
\begin{aligned}
& \Gamma(2)=1 \cdot \Gamma(1)=1 \\
& \Gamma(3)=2 \cdot \Gamma(2)=2! \\
& \Gamma(4)=3 \cdot \Gamma(3)=3! 
\end{aligned}
$$

OK，到这里你就明白了：伽玛函数是什么意思？是阶乘的意思。

在中学阶段，阶乘的定义域是正整数，伽玛函数扩大的阶乘的定义，把定义域延伸到实数，甚至复数。换句话说，

> **中学阶段选学过的阶乘是伽玛函数的真子集。**

上面这句话是什么意思？这句话的意思就是：阶乘所具有的性质，伽玛函数都具有。

那，在概率论里，哪里会用到阶乘？当然是：[排列](https://kb.kmath.cn/kbase/detail.aspx?id=200)和[组合](https://kb.kmath.cn/kbase/detail.aspx?id=202)。

我们以离散型为例，比如要求：从4名运动员中选出3名参加一项比赛，并排定他们的比赛顺序，有多少种不同的方法？
这种求法：最终可以分解到取数，不难看到，共有 $P_4^3$ 个取法，进而设计到阶乘，而
$$ 
\mathrm{P}_n^m=n(n-1)(n-2) \cdots(n-m+1)=\frac{n!}{(n-m)!} 
$$

所以，离散型里有大量阶乘运算，当把离散型延伸到连续型时，此时的阶乘就是伽玛函数，所以，我们就了解了，为什么 连续型密度函数，比如伽玛分布、卡方分布等里含有大量伽玛函数，你可以把他想象为阶乘。

## 密度函数记不住怎么办
请注意：密度函数基本上是不需要你记的，比如卡方分布

$$
f(y)=\left\{\begin{array}{ll}
\dfrac{1}{2^{n / 2} \Gamma(n / 2)} y^{\frac{n}{2}-1} e^{-\frac{1}{2} y}, & y>0 \\
0, & y \leqslant 0
\end{array},\right.
$$

不要被复杂的密度函数所吓到，那些 $2^{n / 2}$, $\Gamma(n / 2)$ 可以认为是“平衡参数”，什么意思？ 因为密度函数的积分是分布函数，而积分的值整体概率，他的值必须是1，所以，如果密度函数积分后不为1怎么办？我们必须额外添加参数来平衡等式。 这个在正态分布里会有更明显的体现。

## 正态分布密度函数
正态分布的密

免费注册查看余下70%

《高等数学》难点解析

高数教程 泰勒公式切线与法线切平面与法平面驻点·拐点·极值点·零点间断点渐进线瑕积分欧拉方程伯努利方程 Abel 收敛定理偏导数的几何意义偏导数的几何意义梯度数量场与向量场多元函数极值拉格朗日算子通量与散度环流量与旋度格林公式高斯公式斯托克斯公式三大公式比较傅里叶级数极坐标微元点法式方程变上限定积分 X型计算面积 Y型计算面积微分的意义渐近线间断点 y''+py'+qy=f(x)方程高斯黎曼傅里叶变换(复数) 拉普拉斯变换(复数)

高等数学测评 函数与极限一元函数微分学一元函数积分学微分方程空间向量与代数多元微分学多元积分学无穷级数

《线性代数》难点解析

线代教程 近世代数对数学的整体思考线性的意义矩阵乘法(列视角) 矩阵乘法(行视角) 矩阵左乘矩阵右乘逆矩阵求解方程组阶梯形矩阵的求法方程组解的判定四阶行列式的计算线性变换的意义线性空间向量组的等价线性空间的几何意义基础解系的求法施密特正交化特征值与特征向量的意义矩阵相似的几何意义矩阵可对角化的理解秩的意义(向量版) 秩的意义(方程版) 二次型的意义

线性代数测评 行列式矩阵向量空间

《概率论与数理统计》难点解析

概率教程 置信区间与上a分位数概率中的“取”与“放” 贝叶斯公式全概率公式泊松分布指数分布伽玛分布二维密度图的意义卷积的意义相关系数的意义 k阶矩是与矩母函数卡方分布的作用单正态区间估计理解假设检验理解切比雪夫不等式中心极限定理

概率统计测评 事件与概率一维随机变量与事件多维随机变量与事件随机变量的数字特征大数定律与中心极限定理统计量与抽样分布参数估计假设检验

上一篇：附录：马尔科夫链

下一篇：概率统计公式

本文对您是否有用？有用 (0) 无用 (0)