Python生成双参数Gamma分布随机样本：alpha=2、beta=3的代码校验

结论 #

你写的代码完全正确，可以正常生成参数为α=2、β=3的Gamma分布10个随机样本。

参数对应逻辑 #

Gamma分布存在两种通用参数化形式：

• 形状-率参数化（你使用的形式）：概率密度为 $f(x) = \frac{\beta^\alpha x^{\alpha-1} e^{-\beta x}}{\Gamma(\alpha)}$
• 形状-尺度参数化（scipy.stats.gamma采用的形式）：概率密度为 $f(x) = \frac{x^{\alpha-1} e^{{-x/\theta}}{\theta}\alpha \Gamma(\alpha)}$

两种参数的转换关系为 $\beta = 1/\theta$，对应scipy接口的参数设置规则：

• 入参a对应形状参数α，设置为2符合你的需求
• 入参scale对应尺度参数θ，你设置为1/β=1/3完全符合转换规则
• 入参loc为位置偏移参数，你需求的分布从0起始，设置为0正确，也可以直接省略（scipy默认值就是0）

简化代码与验证方法 #

代码可以简化为如下形式：

import scipy.stats

alpha = 2
beta = 3
samples = scipy.stats.gamma.rvs(a=alpha, scale=1/beta, size=10)

你可以通过样本均值验证结果合理性：你使用的Gamma分布理论均值为 $\alpha/\beta ≈ 0.6667$，生成的10个样本均值会在该数值附近波动，若调大采样量（比如size=10000），样本均值会更贴近理论值。

常见避坑提示 #

注意不要误将scale参数直接设置为率参数β，该错误写法会生成形状α=2、尺度θ=3的Gamma分布，均值为2*3=6，和你需要的分布不符。

内容的提问来源于stack exchange，提问作者MathStat2718