这三个东西就是好基友,用来描述泊松过程的,假设你开了一家店每小时有λ(假设等于4个)个客人光顾并服从泊松分布,那么从0个客人到第1个客人经过的时间服从指数分布,同样的第1个到第2个,第2到第3个.之间的时间间隔都服从指数分布而且指数分布的参数是(1/λ),然后指数分布是上一个客人到下一个客人的时间间隔,gamma分布就是把这些时间间隔加起来,如果你gamma分布的n=2,就是从0个客人到第2个客人(中间有两个时间间隔Y2=X1+X2)的时间服从Gamma(2,λ),同理n=1,2,3,4,.N,就是gamma分布描述的是当这家店有n个客人到达所需要的时间.这三个好基友就是用来这样描述泊松过程的.
昂。。我的问题有点不一样。。首先题目是一系列的抽样样本,已知的是指数分布的X,然后抽取n个样本。那这些样本的和是Gamma分布的,问怎样用变量代换能取出poisson分布。举个别的例子吧如果有Xn个标准正态的样本,那么取X1^2,X2^2,....Xn^2,则他们的分布就是“kai方”分布。我的问题也类似,已知这么多样本怎么取出gamma和怎么取出poison
我觉得你理解错了,这不是两种抽样的方法,指数分布的和服从Gamma分布,而泊松分布又决定了指数分布发生的频率,泊松就是一个计数器,从随机过程的定义来说泊松的本质是一个计数过程,只不过所计数的随机变量服从指数分布罢了,如果问为什么要选择指数分布,那就是因为指数分布是唯一的无记忆的连续分布,而gamma则勉强可以说是指数分布的抽样分布吧,但实际指数分布是gamma分布的一个特殊形式