Il delta di Dirac non è davvero eccessivamente utile qui (sebbene sia interessante), perché la distribuzione Gamma ha una densità continua, mentre il Dirac è il più non continuo possibile.
Hai ragione sul fatto che l'integrale di una densità di probabilità deve essere uno (mi atterrò alle densità definite solo sull'asse positivo),
$$ \ int_0 ^ \ infty f ( x) \, dx = 1. $$
Nel caso Gamma, la densità $ f (x) $ diverge da $ x \ a 0 $, quindi abbiamo quello che viene chiamato un improprio integrale . In tal caso, l'integrale è definito come limite poiché i confini dell'integrazione si avvicinano al punto in cui l'integrando non è definito,
$$ \ int_0 ^ \ infty f (x) \, dx: = \ lim_ {a \ to 0} \ int_a ^ \ infty f (x) \, dx, $$
fintanto che esiste questo limite .
(Per inciso, usiamo lo stesso abuso di notazione per dare un significato al simbolo "$ \ int ^ \ infty $", che è definito come il limite dell'integrale $ \ int ^ b $ come $ b \ a \ infty $ , ancora fintanto che esiste questo limite . Quindi, in questo caso particolare, abbiamo due punti problematici: $ 0 $, dove l'integrando non è definito, e $ \ infty $, dove non possiamo valutare direttamente l'integrale. Dobbiamo lavorare con i limiti in entrambi i casi.)
Per la distribuzione Gamma in modo specifico, in un certo senso elenchiamo il problema. Definiamo innanzitutto la funzione Gamma come segue:
$$ \ Gamma (k): = \ int_0 ^ \ infty y ^ {k-1 } e ^ {- y} \, dy. $$
Dimostreremo quindi che questa definizione ha effettivamente senso, nel senso dei diversi limiti delineati sopra. Per semplicità, qui possiamo attenerci a $ k>0 $, sebbene la definizione possa essere estesa anche a (molti) valori complessi $ k $. Questo controllo è un'applicazione standard del calcolo e un bell'esercizio.
Successivamente, sostituiamo $ x: = \ theta y $ con $ \ theta>0 $ e dalla formula del cambio di variabili otteniamo
$$ \ Gamma (k) = \ int_0 ^ \ infty \ frac {x ^ {k-1} e ^ {- \ frac {x} {\ theta}}} {\ theta ^ k} \, dx, $$
da cui lo otteniamo
$$ 1 = \ int_0 ^ \ infty \ frac {x ^ {k-1} e ^ {- \ frac {x} {\ theta}}} {\ Gamma (k) \ theta ^ k} \, dx . $$
Cioè, l'integrando si integra con uno ed è quindi una densità di probabilità. La chiamiamo distribuzione Gamma con forma $ k $ e scala $ \ theta $.
Ora, mi rendo conto di aver davvero superato il limite qui. Il nocciolo dell'argomento sta nel fatto che la definizione della funzione Gamma di cui sopra ha senso. Tuttavia, questo è un calcolo semplice, non una statistica, quindi mi sento solo molto leggermente in colpa per averti indirizzato al tuo libro di testo di calcolo preferito e il tag della funzione gamma su Math.SO, in particolare questa domanda e questa domanda.