Calcolatore Distribuzione Beta

Calcola le probabilità della distribuzione beta dai parametri di forma alpha e beta. Ottieni P(X <= x), P(X >= x) o un intervallo, con grafici PDF/CDF interattivi, soluzioni passo-passo, media, varianza, moda e asimmetria.

Utilizzo gratuitoSenza registrazioneRisultati istantanei

Calcolatore Distribuzione BetaProvalo ora — gratis ▼

Embed Calcolatore Distribuzione Beta Widget

Calcolatore Distribuzione Beta

Il Calcolatore della Distribuzione Beta calcola le probabilità, visualizza la funzione di densità di probabilità (PDF) e la funzione di distribuzione cumulativa (CDF) e mostra le proprietà della distribuzione per la distribuzione beta $X \sim \text{Beta}(\alpha, \beta)$. Inserisci i parametri di forma $\alpha$ e $\beta$ insieme a un valore $x \in [0, 1]$ per ottenere $P(X \leq x)$, $P(X \geq x)$ o $P(a \leq X \leq b)$, completo di soluzioni passo-passo, grafici interattivi e statistiche chiave come media, varianza, moda e asimmetria.

Cos'è la Distribuzione Beta?

La distribuzione beta è una distribuzione di probabilità continua definita nell'intervallo $[0, 1]$ con due parametri di forma positivi $\alpha$ (alfa) e $\beta$ (beta). La sua funzione di densità di probabilità (PDF) è:

$$f(x;\,\alpha,\beta) = \frac{x^{\alpha-1}(1-x)^{\beta-1}}{B(\alpha,\beta)}, \quad 0 \leq x \leq 1$$

dove $B(\alpha,\beta) = \frac{\Gamma(\alpha)\,\Gamma(\beta)}{\Gamma(\alpha+\beta)}$ è la funzione beta. La distribuzione beta è estremamente versatile — variando $\alpha$ e $\beta$, può modellare distribuzioni uniformi, a campana, a U o a J, rendendola una delle distribuzioni più importanti in probabilità e statistica.

Proprietà Chiave

🔗

Coniugata Bayesiana

Distribuzione a priori coniugata per le distribuzioni di Bernoulli, Binomiale e Geometrica nell'inferenza bayesiana.

🔄

Versatilità di Forma

Può modellare distribuzioni uniformi, a U, a J e a campana a seconda di α e β.

📏

Supporto Limitato

Definita su [0, 1], il che la rende ideale per modellare probabilità, proporzioni e tassi.

⚖

Simmetria

Quando α = β, la distribuzione è simmetrica rispetto a 0.5. Altrimenti è asimmetrica.

Galleria delle Forme — Come α e β Influenzano la Distribuzione

La distribuzione beta assume forme notevolmente diverse a seconda dei suoi parametri:

Uniforme

α = 1, β = 1

Campana Simmetrica

α = 5, β = 5

A Forma di J (sinistra)

α = 0.5, β = 2

A Forma di U

α = 0.5, β = 0.5

Formule

Proprietà	Formula	Descrizione
PDF	$f(x) = \frac{x^{\alpha-1}(1-x)^{\beta-1}}{B(\alpha,\beta)}$	Densità di probabilità in x
CDF	$F(x) = I_x(\alpha,\beta)$	Funzione beta incompleta regolarizzata
Media	$\mu = \frac{\alpha}{\alpha+\beta}$	Valore atteso
Varianza	$\sigma^2 = \frac{\alpha\beta}{(\alpha+\beta)^2(\alpha+\beta+1)}$	Dispersione della distribuzione
Moda	$\frac{\alpha-1}{\alpha+\beta-2}$ (se α, β > 1)	Valore più probabile
Asimmetria	$\frac{2(\beta-\alpha)\sqrt{\alpha+\beta+1}}{(\alpha+\beta+2)\sqrt{\alpha\beta}}$	Misura dell'asimmetria
Funzione Beta	$B(\alpha,\beta) = \frac{\Gamma(\alpha)\Gamma(\beta)}{\Gamma(\alpha+\beta)}$	Costante di normalizzazione

Interpretazione Bayesiana

La distribuzione beta è centrale nella statistica bayesiana perché è la coniugata a priori per le distribuzioni di Bernoulli e Binomiale. Se si ha una convinzione a priori su una probabilità $p$ espressa come $\text{Beta}(\alpha, \beta)$ e si osservano $s$ successi in $n$ prove, la convinzione aggiornata (a posteriori) è:

$$p \mid \text{data} \sim \text{Beta}(\alpha + s, \; \beta + n - s)$$

Questa elegante regola di aggiornamento è il motivo per cui la distribuzione beta è la scelta predefinita per modellare l'incertezza su probabilità. Le scelte comuni per le distribuzioni a priori includono:

Nome Prior	Parametri	Quando Usarla
Uniforme (piatta)	Beta(1, 1)	Nessuna informazione a priori — tutte le probabilità sono ugualmente probabili
Prior di Jeffreys	Beta(0.5, 0.5)	Prior non informativa con buone proprietà matematiche
Prior di Haldane	Beta(0, 0) (impropria)	Massimamente non informativa — usata nell'analisi bayesiana formale
Debolmente informativa	Beta(2, 2)	Leggera preferenza per valori vicini a 0.5

Applicazioni nel Mondo Reale

Campo	Cosa Modella X	Esempio
A/B Testing	Probabilità del tasso di conversione	Stima dei tassi di click per due varianti di un sito web
Controllo Qualità	Proporzione di articoli difettosi	Modellazione del tasso di difetti di un processo produttivo
Analisi Sportiva	Probabilità di vittoria / media battuta	Stima della vera media battuta di un giocatore di baseball
Assicurazioni	Probabilità di sinistro	Modellazione della proporzione di assicurati che presentano un reclamo
Genetica	Frequenza allelica	Modellazione della frequenza di una variante genica in una popolazione
Machine Learning	Fiducia del modello	Distribuzione a priori per i parametri di probabilità nei classificatori bayesiani

Distribuzione Beta vs. Altre Distribuzioni

Caratteristica	Beta	Normale	Uniforme
Supporto	[0, 1]	(−∞, +∞)	[a, b]
Parametri	α, β (forma)	μ, σ (posizione, scala)	a, b (punti estremi)
Flessibilità Forma	Molto alta (campana, U, J, piatta)	Sempre a campana	Sempre piatta
Migliore Per	Proporzioni, probabilità	Misurazioni non limitate	Scenari con uguale probabilità
Uso Bayesiano	Coniugata a priori per Bernoulli	Coniugata a priori per Normale (σ nota)	Prior non informativa

Come Usare il Calcolatore della Distribuzione Beta

Inserisci i parametri di forma α e β: Entrambi devono essere numeri positivi. α controlla quanto peso c'è vicino a 1, e β controlla il peso vicino a 0. Per una distribuzione simmetrica, imposta α = β.
Seleziona il tipo di probabilità: Scegli P(X ≤ x) per la probabilità cumulativa, P(X ≥ x) per la probabilità di sopravvivenza o P(a ≤ X ≤ b) per la probabilità di un intervallo.
Inserisci il valore x o l'intervallo: I valori devono essere compresi tra 0 e 1. Per le probabilità di intervallo, inserisci sia il limite inferiore a che il limite superiore b.
Esamina i risultati: Controlla il risultato della probabilità, il badge di classificazione della forma, i grafici interattivi PDF e CDF con le regioni di probabilità ombreggiate, le proprietà della distribuzione (media, varianza, moda) e la soluzione completa passo-passo.

FAQ

Cos'è la distribuzione beta?

La distribuzione beta è una distribuzione di probabilità continua definita nell'intervallo [0, 1] con due parametri di forma alfa e beta. È estremamente versatile e può modellare proporzioni, probabilità e tassi. A seconda dei valori dei parametri, può assumere molte forme tra cui a campana, a U, a J o uniforme.

Cosa sono i parametri di forma alfa e beta?

Alfa (α) e beta (β) sono numeri reali positivi che controllano la forma della distribuzione. Quando alfa è uguale a beta, la distribuzione è simmetrica intorno a 0.5. Quando alfa è maggiore di beta, la distribuzione è asimmetrica verso 1 (asimmetria negativa). Quando alfa è minore di beta, è asimmetrica verso 0 (asimmetria positiva). Quando entrambi sono minori di 1, la distribuzione diventa a forma di U con picchi in entrambi i punti estremi.

Come viene utilizzata la distribuzione beta nella statistica bayesiana?

La distribuzione beta è la coniugata a priori per le distribuzioni di Bernoulli e binomiale. Nell'inferenza bayesiana, se si inizia con una distribuzione a priori Beta(α, β) per un parametro di probabilità e si osservano s successi in n prove, la distribuzione a posteriori è Beta(α + s, β + n − s). Ciò la rende la scelta standard per modellare l'incertezza su probabilità, tassi di conversione, proporzioni e quantità simili limitate tra 0 e 1.

Qual è la differenza tra la distribuzione beta e la distribuzione normale?

La distribuzione beta è limitata a [0, 1] mentre la distribuzione normale spazia su tutti i numeri reali dall'infinito negativo all'infinito positivo. La distribuzione beta è molto più flessibile nella forma — può essere a U, a J, a campana o piatta — mentre la distribuzione normale è sempre a campana. La distribuzione beta è la scelta naturale per modellare proporzioni e probabilità, mentre la distribuzione normale è la migliore per misurazioni continue non limitate.

Come si calcola la CDF della distribuzione beta?

La CDF della distribuzione beta è la funzione beta incompleta regolarizzata I_x(α, β), definita come l'integrale da 0 a x di t^(α−1)(1−t)^(β−1) dt, diviso per la funzione beta B(α, β). Questo integrale non ha una soluzione in forma chiusa per α e β generici, quindi viene calcolato numericamente utilizzando algoritmi di frazione continua o espansioni in serie. Questo calcolatore gestisce il calcolo automaticamente.

Cita questo contenuto, pagina o strumento come:

"Calcolatore Distribuzione Beta" su https://MiniWebtool.com/it/calcolatore-distribuzione-beta/ di MiniWebtool, https://MiniWebtool.com/

dal team di MiniWebtool. Aggiornato: 2026-04-14

API per sviluppatori disponibile: Esegui questo strumento dalla tua app, automazione o agente con una richiesta HTTP JSON. Vedi documentazione API

Puoi anche provare il nostro Risolutore di Matematica AI GPT per risolvere i tuoi problemi matematici attraverso domande e risposte in linguaggio naturale.

Calcolatore Distribuzione Beta

Calcolatore Distribuzione Beta

Cos'è la Distribuzione Beta?

Proprietà Chiave

Galleria delle Forme — Come α e β Influenzano la Distribuzione

Formule

Interpretazione Bayesiana

Applicazioni nel Mondo Reale

Distribuzione Beta vs. Altre Distribuzioni

Come Usare il Calcolatore della Distribuzione Beta

FAQ

Statistiche e analisi dati:

Strumenti popolari e aggiornati:

Scarica tutto in un unico ZIP con Pro

Proprietà	Formula	Descrizione
PDF	\(f(x) = \frac{x^{\alpha-1}(1-x)^{\beta-1}}{B(\alpha,\beta)}\)	Densità di probabilità in x
CDF	\(F(x) = I_x(\alpha,\beta)\)	Funzione beta incompleta regolarizzata
Media	\(\mu = \frac{\alpha}{\alpha+\beta}\)	Valore atteso
Varianza	\(\sigma^2 = \frac{\alpha\beta}{(\alpha+\beta)^2(\alpha+\beta+1)}\)	Dispersione della distribuzione
Moda	\(\frac{\alpha-1}{\alpha+\beta-2}\) (se α, β > 1)	Valore più probabile
Asimmetria	\(\frac{2(\beta-\alpha)\sqrt{\alpha+\beta+1}}{(\alpha+\beta+2)\sqrt{\alpha\beta}}\)	Misura dell'asimmetria
Funzione Beta	\(B(\alpha,\beta) = \frac{\Gamma(\alpha)\Gamma(\beta)}{\Gamma(\alpha+\beta)}\)	Costante di normalizzazione