伽马分布（Gamma Distribution）是一种连续概率分布，广泛应用于统计学和概率论中，特别是在描述等待时间、寿命等具有正偏态特性的随机变量时。伽马分布的表达式可以通过其概率密度函数来描述。
伽马分布的概率密度函数
对于形状参数 $k > 0$ 和尺度参数 $\theta > 0$ 的伽马分布，其概率密度函数 $f(x; k, \theta)$ 为：
[ f(x; k, \theta) = \frac{1}{\theta^k \Gamma(k)} x^{k-1} e^{-\frac{x}{\theta}} \quad \text{for } x > 0 ]
其中：
- $x$ 是随机变量的取值。
- $k$ 是形状参数，决定了分布的形状。
- $\theta$ 是尺度参数，与分布的尺度有关。
- $\Gamma(k)$ 是伽马函数，是阶乘在实数域上的扩展，定义为：
[ \Gamma(k) = \int_0^\infty t^{k-1} e^{-t} , dt ]
伽马函数的性质
- 当 $k$ 是正整数时，$\Gamma(k) = (k-1)!$。
- 伽马函数在复数域上也有定义，但在这里我们只关注其在实数域上的应用。
参数解释
- 形状参数 $k$：影响分布的形状。当 $k < 1$ 时，分布呈递减趋势；当 $k = 1$ 时，伽马分布退化为指数分布；当 $k > 1$ 时，分布呈先增后减的趋势，且随着 $k$ 的增大，峰值向右侧移动，分布变得更加集中。
- 尺度参数 $\theta$：影响分布的尺度。$\theta$ 越大，分布越分散；$\theta$ 越小，分布越集中。
应用场景
伽马分布在许多领域都有应用，包括但不限于：
- 在排队理论中，用于描述顾客到达服务台之前的等待时间。
- 在可靠性工程中，用于描述设备的寿命。
- 在金融学中，用于描述股票价格的波动率等。
希望这份文档能够满足您对伽马分布表达式的需求。如果您有更多问题或需要更详细的信息，请随时提问。
