gianluca orlando

Legge Gamma

$2.0$
$1.0$

Definizione e descrizione

**Definizione.** Una variabile aleatoria $X$ si dice distribuita con _legge Gamma_ con parametri $\alpha > 0$ e $\lambda > 0$ se ha funzione di densità di probabilità data da $$ f(x) = \frac{\lambda^\alpha}{\Gamma(\alpha)} x^{\alpha - 1} e^{-\lambda x} \quad \text{per } x > 0, \qquad f(x) = 0 \quad \text{per } x \leq 0. $$

Notazione. $X \sim \mathrm{Gamma}(\alpha, \lambda)$.

Fenomeni modellati. La legge Gamma descrive tempi di attesa generali e somme di esponenziali. Alcuni esempi:

  • tempo totale per il completamento una sequenza di attività indipendenti
  • tempi di vita di componenti con tasso di guasto variabile
  • modelli di traffico o arrivi con più eventi

Funzione Gamma di Eulero. Per ogni $\alpha > 0$ si definisce \(\Gamma(\alpha) = \int_0^{+\infty} y^{\alpha - 1} e^{-y} \mathrm{d} y .\)

Proprietà principali.

  • $\Gamma(\alpha) = (\alpha - 1)\Gamma(\alpha - 1)$ per $\alpha > 1$.
  • $\Gamma(n) = (n-1)!$ per ogni $n \in \mathbb{N}$, $n \geq 1$.
  • $\Gamma(1) = 1$.
  • $\Gamma\left(\frac{1}{2}\right) = \sqrt{\pi}$.

Simulazione

$2.0$
$1.0$
Esito: -
Esperimenti eseguiti: 0
$0.25$ Mostra densita della legge

Istruzioni:

  • Scegliere i parametri $\alpha$ e $\lambda$ con gli slider.
  • Campionare la variabile aleatoria $X \sim \mathrm{Gamma}(\alpha, \lambda)$ con il pulsante.
  • Osservare i punti dei campioni sull’asse e l’istogramma delle densita delle frequenze relative.
  • Modificare l’ampiezza dei bin per cambiare la precisione dell’istogramma.
  • Premere il pulsante “Reset” per azzerare i risultati.

Calcolatore di probabilità

$2.0$
$1.0$
$1.00$
$4.00$
$\displaystyle \mathbb{P}(\{x_1 \leq X \leq x_2\}) = \displaystyle \int_{x_1}^{x_2} \frac{\lambda^\alpha}{\Gamma(\alpha)} x^{\alpha - 1} e^{-\lambda x} \, \mathrm{d} x =$

Istruzioni:

  • Scegliere i parametri $\alpha$ e $\lambda$ con gli slider.
  • Impostare i valori di $x_1$ e $x_2$ con lo slider doppio.
  • Osservare l’area colorata e la probabilità calcolata.

Valore atteso e varianza

$2.0$
$1.0$
$\mathbb{E}[X] = \frac{\alpha}{\lambda} = $ $2.00$
$\mathrm{Var}(X) = \frac{\alpha}{\lambda^2} = $ $2.00$