伽马函数

伽马函数在考研概率论中的使用

伽马函数（Gamma Function）虽然不是考研数学一的明确考点，但它的概念和性质经常在伽马分布、卡方分布、指数分布等内容中隐式出现，熟练掌握伽马函数可以快速解决某些数字特征计算和积分问题，提高解题效率。

一、伽马函数的定义与基本性质

定义

对于 ，伽马函数定义为：

常用性质（考研需要知道的）

性质	公式	备注
递推公式		最重要，可将一般参数转化为 区间
整数参数		为非负整数，
特殊值		常用于涉及正态分布的积分
变形	，通过换元可得	常用于计算伽马分布、指数分布等矩

二、考研概率论中常见分布与伽马函数

1. 伽马分布（分布）

考研大纲中伽马分布本身通常列为了解（部分年份超纲），但其特例——指数分布和卡方分布——是重点。

• 定义：若随机变量 的密度函数为
  
  其中 为形状参数， 为速率参数（有时用 作为尺度参数），则称 服从伽马分布 。

• 数字特征（可借助伽马函数积分导出）：
  
  推导技巧：

2. 指数分布（分布的特例）

• 当 时，伽马分布退化为指数分布：
  

• 常用结论：，

3. 卡方分布（分布的特例）

• 设 ，则
  

• 数字特征：，（可由伽马分布公式直接得到）

三、考研中涉及伽马函数的常见计算场景

1. 含幂函数与指数函数的广义积分

伽马函数最常见的应用是计算形如 的积分，在连续型随机变量的期望、方差、矩估计、最大似然估计中频繁出现。

一般公式：

$$\int_0^{+\infty} x^{m} e^{-ax2} dx = \frac{1}{2} a^{-\frac{m+1}{2}} \Gamma\left(\frac{m+1}{2}\right)$$

典型考题：

设总体 的概率密度为 ，，求 。

解法：，令 ，得 ，所以 。若用速率参数 ，则 。

2. 正态总体的样本方差分布涉及伽马函数

虽然正态分布本身不显含伽马函数，但在推导 $\frac{(n-1)S^2}{\sigma2} \sim \chi^2(n-1)\Gamma\left(\frac{n-1}{2}\right)$。

• 例如，，其中 ，则 ，其密度函数为 ，积分归一性即 。

3. 贝塔分布与伽马函数的关系（较少考）

若 ， 独立，则 ，其密度函数含 。

四、考研中可能遇到的伽马函数具体数值

这些数值在计算卡方分布的期望、方差、以及某些似然函数时可能直接用。

五、给考研生的实用建议

1. 不必专门背伽马函数，但应熟练掌握递推公式 和特殊值 。

2. 重点掌握伽马分布的特例：指数分布和卡方分布的所有性质（期望、方差、可加性、与正态分布的关系）。

3. 遇到形如 的积分时，若 是正整数，直接写 ；若 是半整数（如 ），则化为伽马函数计算。

4. 最大似然估计中，若总体为伽马分布，似然函数含有 ，求导后往往得到 digamma 函数，此类题目超出考研难度，不必深究（考研中伽马分布的参数估计通常会简化，例如令 已知只估计 ）。

5. 卡方分布的分位数与伽马函数的关系在区间估计和假设检验中并不需要直接计算数值，只需会查表或使用常用分位数。

六、一个完整的考研题型示例

题：设总体 服从参数为 的指数分布， 为样本。
(1) 求 的矩估计量和最大似然估计量；
(2) 证明 是 的无偏估计。

解答中伽马函数的应用（仅在验证无偏性时可能用到）：

• ，其密度 。

• 最大似然估计 。

• 需计算 。由于 （因为 服从参数为 的伽马分布），其密度为 。

• 。

• 利用伽马积分：。

• 代入得 ，所以不是无偏估计（存在偏误 ）。

这个例子充分体现了伽马函数在样本均值的倒数期望计算中的关键作用。

---