怎么来理解伽玛（gamma）分布

Gamma分布即为多个独立且相同分布（iid）的指数分布变量的和的分布。
（最新修改，希望能够行文布局更有逻辑）

——————泊松过程——————
指数分布和泊松分布的关系十分密切，是统计学中应用极大的两种分布。
其中泊松过程是一个显著应用。

泊松过程是一个计数过程，通常用于模拟一个（非连续）事件在连续时间中发生的次数。
${Nt):tgeq 0}$ 为一个泊松过程，则其满足三个性质：
① $N0)=0$ （t=0时什么都没发生）

② $Nt+s)-Nt)$ （增量）之间互相独立：
扩展补充： $Nt+1)-Nt)$ 与 $Nt)-Nt-1)$ 互相独立，且在计数过程中
$PrNt+1)=n_{t+1}|Nt)=n_{t},Nt-1)=n_{t-1},...,N1)=n_{i})$
$=PrNt+1)=n_{t+1}|Nt)=n_{t})$
这是因为
$PrNt+1)=n_{t+1}|Nt)=n_{t},Nt-1)=n_{t-1},...,N1)=n_{i})$
$=PrNt+1)=Nt)+n_{t+1}-n_{t}|Nt)=n_{t},Nt-1)=n_{t-1},...,N1)=n_{i})$
$=PrNt+1)=n_{t+1}|Nt)=n_{t})$

③ $PrNt+s)-Ns)=n)=PrNt)=n)=e^{-lambda t} frac{lambda t )^{n}}{n!}$
即 $Nt) sim Poilambda t)$
根据增量独立性，易知其成立。

——————泊松→指数——————
假设 $T_{i}$ 为第 $i-1$ 次事件与第 $i$ 次事件的间隔时间。
$PrT_{1}>t)=PrNt)=0)=e^{-lambda t}$
所以 $T_{1} sim Explambda)$

$PrT_{i}>t|T_{i-1}=s)=PrNt+s)-Ns)=0)=e^{-lambda t}$
所以 $T_{i} sim Explambda)$

即泊松过程的事件间隔时间为指数分布。

——————指数→Gamma—————
再令 $S_{n}=sum_{i=1}^{n}{T_{i}}$ ，即从头开始到第 $n$ 次事件的发生的时间，该随机变量分布即为Gamma分布。
即 $S_{n} sim Gamman,lambda )$ 。
Gamma分布即为多个独立且相同分布（iid）的指数分布变量的和的分布。

——————证明——————
假设 $X_{1},X_{2},X_{3},...X_{n}sim Explambda )$ 且互相独立

①Moment Generating Function（MGF）：
MGF的定义为 $M_{X}t)=E[e^{tX} ]=1+tX+frac{t^{2}X^{2}}{2!} +frac{t^{3}X^{3}}{3!}+...frac{t^{n}X^{n}}{n!}+...$
则 $E[X^{n}]=M_{X}^{n)} 0)=frac{d^{n}M_{X}t)}{dt} |_{t=0}$
其性质为 $M_{X+Y}t)=M_{X}t) imes M_{Y}t)$

下证：
$X_{i} sim Explambda)Leftrightarrow M_{X_{i}}t)=1-frac{t}{lambda} )^{-1}$
$S=sum_{i=1}^{n}{X_{i}}$
则 $M_{S}t)=prod_{i=1}^{n} M_{X_{i}}t)=prod_{i=1}^{n} 1-frac{t}{lambda} )^{-1}=1-frac{t}{lambda} )^{-n}$
为Gamma分布的MGF。
MGF:Moment-generating function

②数学归纳法：
已知 $Gamma1,lambda)=Explambda)$
所以当 $n=1$ 时成立。
假设 $nleq k$ 时 $S_{n}=sum_{i=1}^{n}{X_{i}} sim Gamman,lambda )$ 成立
当 $n=k+1$ 时，
$S_{k+1}=S_{k}+X_{k+1}$
其中 $S_{k} sim Gammak,lambda), X_{k+1} sim Explambda)$
$PrS_{k+1}=x)$
$=int_{0}^{x} PrS_{k}=y)PrX_{k+1}=x-y)dy$
$=int_{0}^{x} frac{lambda^{k}}{Gamma k)} y^{k-1}e^{-lambda y} imes lambda e^{-lambda x-y)}dy$
$=frac{lambda^{k+1}}{Gamma k)}e^{-lambda x}int_{0}^{n} y^{k-1}dy$
$=frac{lambda^{k+1}}{Gamma k)}e^{-lambda x} frac{y^{k}}{k}|_{y=0}^{n}$
$=frac{lambda^{k+1}}{Gamma k+1)}x^{k}e^{-lambda x}$
为 $Gammak+1, lambda)$ 的pdf。证毕。