如何在 r 中使用伽玛分布（附示例）

在统计学中，伽玛分布通常用于对与等待时间相关的概率进行建模。

我们可以使用以下函数来处理 R 中的伽玛分布：

• dgamma(x, shape, rates) – 查找具有特定形状和速率参数的伽玛分布的密度函数值。
• pgamma(q, shape, rates) – 查找具有特定形状和速率参数的伽马分布的累积密度函数值。
• qgamma(p, shape, rates) – 查找具有特定形状和速率参数的伽玛分布的逆累积密度函数的值。
• rgamma(n, shape, rates) – 生成 n 个随机变量，这些变量遵循具有特定形状和速率参数的 gamma 分布。

以下示例展示了如何在实践中使用每个函数。

示例 1：如何使用 dgamma()

以下代码演示如何使用dgamma()函数创建具有某些参数的伽玛分布的概率密度图：

 #define x-values
x <- seq(0, 2, by=0.01)   
  
#calculate gamma density for each x-value
y <- dgamma(x, shape=5) 
  
#create density plot
plot(y)

示例 2：如何使用 pgamma()

以下代码演示如何使用pgamma()函数创建具有某些参数的伽玛分布的累积密度图：

 #define x-values
x <- seq(0, 2, by=0.01)   
  
#calculate gamma density for each x-value
y <- pgamma(x, shape=5) 
  
#create cumulative density plot
plot(y) 

示例 3：如何使用 qgamma()

以下代码演示如何使用qgamma()函数创建具有某些参数的伽马分布的分位数图：

 #define x-values
x <- seq(0, 1, by=0.01)   
  
#calculate gamma density for each x-value
y <- qgamma(x, shape=5) 
  
#create quantile plot
plot(y) 

示例 4：如何使用 rgamma()

以下代码演示如何使用rgamma()函数生成和可视化 1000 个随机变量，这些变量遵循形状参数为 5、速率参数为 3 的伽玛分布：

 #make this example reproducible
set. seeds (0)

#generate 1,000 random values that follow gamma distribution
x <- rgamma(n=1000, shape=5, rate=3)

#create histogram to view distribution of values
hist(x)

其他资源

以下教程解释了如何在 R 中使用其他常见统计分布：

如何在R中使用正态分布
如何在 R 中使用二项式分布
如何在 R 中使用泊松分布
如何在R中使用几何分布