f(x)=入*[(入x)^(a-1)]*[e^(-入x)]/g(a)
其中：g(a)=∫{0到无穷}
[x^(a-1)]*[e^(-x)]dx
百度不太好打公式，我用的符号跟标准的不一样，LZ仔细看一下。
则均值是a/入
方差是a/(入^2)
gamma分布有两个参数在matlab里面可以用 gamrnd函数生成符合gamma分布的随机数序列
格式：
R = gamrnd(A,B,v)
参数是A，B ，生成矩阵的大小由v决定
R = gamrnd(2,2,[1 10000])
这样就生成10000个随机数，符合gamma(2,2)的分布
mean(R)
ans =
4.0137
计算这10000个数的平均值，结果为4.0137
而理论均值是AB的乘积为4
因为是数列是随机产生的而数字个数有限
所以得到的均质不可能刚好是4，而是在4附近浮动的值
你可以多运行几次R = gamrnd(2,2,[1 10000])mean(R)
只要结果都很接近4，在4左右浮动，就证明是符合理论的
当然你也可以用其他的A,Bc参数，最后均值得结果都是很接近AB乘积的
性质：
1、β=n，Γ(n,α)就是Erlang分布。Erlang分布常用于可靠性理论和排队论中 ,如一个复杂系统中从第 1 次故障到恰好再出现 n 次故障所需的时间从某一艘船到达港口直到恰好有 n 只船到达所需的时间都服从 Erlang分布；
2、当α= 1 , β = 1/λ 时，Γ(1,1/λ) 就是参数为λ的指数分布,记为exp (λ) ；
3、当α =n/2 ，β=1/2时，Γ (n/2,1/2)就是数理统计中常用的χ2( n) 分布。
4、数学期望(均值)、方差分别为
对于Γ(a ,β )，E( X) =a/β，D ( X) =α / (β*β)
5、(Gamma 分布的可加性)：设随机变量 X1 , X2 , …, Xn 相互独立，并且都服从Gamma 分布，即Xi ～Γ(αi , β)，i =1 ,2 , …, n , 则：
X1 + X2 + …+ Xn ～ Γ(α1 +α2 + …+αn ,β )
