ベータ分布電卓

形状パラメータ α および β を用いてベータ分布の確率を計算します。P(X ≤ x)、P(X ≥ x)、または P(a ≤ X ≤ b) を求め、インタラクティブな PDF/CDF グラフ、網掛けされた確率領域、MathJax によるステップバイステップの解説、ならびに平均、分散、最頻値、歪度を含む分布の特性を確認できます。

ベータ分布電卓

Embed ベータ分布電卓 Widget

ベータ分布電卓

ベータ分布電卓は、ベータ分布 $X \sim \text{Beta}(\alpha, \beta)$ の確率計算、確率密度関数 (PDF) および累積分布関数 (CDF) の可視化、分布の特性を表示します。形状パラメータ $\alpha$ と $\beta$、および $x \in [0, 1]$ の値を入力することで、$P(X \leq x)$、$P(X \geq x)$、または $P(a \leq X \leq b)$ を取得できます。ステップバイステップの解決策、インタラクティブなグラフ、平均、分散、最頻値、歪度などの主要な統計量も提供されます。

ベータ分布とは何ですか？

ベータ分布は、2つの正の形状パラメータ $\alpha$ (アルファ) と $\beta$ (ベータ) を持ち、区間 $[0, 1]$ で定義される連続確率分布です。その確率密度関数 (PDF) は次の通りです。

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

ここで、$B(\alpha,\beta) = \frac{\Gamma(\alpha)\,\Gamma(\beta)}{\Gamma(\alpha+\beta)}$ はベータ関数です。ベータ分布は非常に汎用性が高く、$\alpha$ と $\beta$ を変化させることで、一様分布、ベル型、U型、または J型の分布をモデル化できるため、確率論や統計学において最も重要な分布の1つとなっています。

主な特性

🔗

ベイズ共役

ベイズ推論におけるベルヌーイ分布、二項分布、幾何分布の共役事前分布です。

🔄

形状の多様性

α と β に応じて、一様、U型、J型、ベル型の分布をモデル化できます。

📏

限定されたサポート

[0, 1] で定義されるため、確率、割合、率のモデル化に理想的です。

⚖

対称性

α = β のとき、分布は 0.5 を中心に対称になります。それ以外の場合は歪みます。

形状ギャラリー — α と β が分布に与える影響

ベータ分布は、パラメータに応じて著しく異なる形状をとります。

一様分布

α = 1, β = 1

対称ベル型

α = 5, β = 5

J型 (左)

α = 0.5, β = 2

U型

α = 0.5, β = 0.5

数式

特性	数式	説明
PDF	$f(x) = \frac{x^{\alpha-1}(1-x)^{\beta-1}}{B(\alpha,\beta)}$	x における確率密度
CDF	$F(x) = I_x(\alpha,\beta)$	正則化不完全ベータ関数
平均	$\mu = \frac{\alpha}{\alpha+\beta}$	期待値
分散	$\sigma^2 = \frac{\alpha\beta}{(\alpha+\beta)^2(\alpha+\beta+1)}$	分布の広がり
最頻値	$\frac{\alpha-1}{\alpha+\beta-2}$ (α, β > 1 の場合)	最も確率の高い値
歪度	$\frac{2(\beta-\alpha)\sqrt{\alpha+\beta+1}}{(\alpha+\beta+2)\sqrt{\alpha\beta}}$	非対称性の尺度
ベータ関数	$B(\alpha,\beta) = \frac{\Gamma(\alpha)\Gamma(\beta)}{\Gamma(\alpha+\beta)}$	正規化定数

ベイズ統計的解釈

ベータ分布は、ベルヌーイ分布および二項分布の共役事前分布であるため、ベイズ統計において中心的役割を果たします。確率 $p$ についての事前信念を $\text{Beta}(\alpha, \beta)$ として表現し、$n$ 回の試行で $s$ 回の成功を観察した場合、更新された（事後）信念は次のようになります。

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

この簡潔な更新ルールこそが、ベータ分布が確率に関する不確実性をモデル化するための標準的な選択肢である理由です。事前分布の一般的な選択肢は以下の通りです。

事前分布名	パラメータ	使用場面
一様分布 (フラット)	Beta(1, 1)	事前情報がない場合 — すべての確率が等しく起こり得る
ジェフリーズ事前分布	Beta(0.5, 0.5)	数学的に優れた特性を持つ非情報的事前分布
ハルデン事前分布	Beta(0, 0) (変則的)	最大限に非情報的 — 形式的なベイズ分析で使用
弱情報的分布	Beta(2, 2)	0.5 付近の値をわずかに優先

実世界での応用

分野	X がモデル化するもの	例
A/B テスト	コンバージョン率の確率	2つのウェブサイトバリアントのクリック率の推定
品質管理	不良品の割合	製造プロセスの欠陥率のモデル化
スポーツ分析	勝率 / 打率	野球選手の真の打率の推定
保険	請求確率	保険金請求を行う契約者の割合のモデル化
遺伝学	対立遺伝子頻度	集団内の遺伝子変異の頻度のモデル化
機械学習	モデルの信頼度	ベイズ分類器における確率パラメータの事前分布

ベータ分布 vs. 他の分布

特徴	ベータ分布	正規分布	一様分布
サポート	[0, 1]	(−∞, +∞)	[a, b]
パラメータ	α, β (形状)	μ, σ (位置、尺度)	a, b (端点)
形状の柔軟性	非常に高い (ベル、U、J、フラット)	常にベル型	常にフラット
最適利用	割合、確率	制約のない測定値	等確率のシナリオ
ベイズでの使用	ベルヌーイ分布の共役事前分布	正規分布 (σ既知) の共役事前分布	非情報的事前分布

ベータ分布電卓の使い方

形状パラメータ α と β を入力する: 両方とも正の数である必要があります。αは1付近の重みを制御し、βは0付近の重みを制御します。対称な分布にするには、α = β に設定します。
確率のタイプを選択する: 累積確率には P(X ≤ x)、生存確率には P(X ≥ x)、範囲確率には P(a ≤ X ≤ b) を選択します。
x の値または範囲を入力する: 値は 0 から 1 の間である必要があります。範囲確率の場合は、下限 a と上限 b の両方を入力します。
結果を確認する: 確率の結果、形状分類バッジ、確率領域が塗りつぶされたインタラクティブな PDF および CDF グラフ、分布の特性（平均、分散、最頻値）、および完全なステップバイステップの解決策を確認します。

FAQ

ベータ分布とは何ですか？

ベータ分布は、2つの形状パラメータ α（アルファ）と β（ベータ）を持ち、区間 [0, 1] で定義される連続確率分布です。非常に汎用性が高く、割合、確率、率などをモデル化できます。パラメータの値に応じて、ベル型、U型、J型、一様分布など、多くの形状をとることができます。

形状パラメータ α と β とは何ですか？

α と β は、分布の形状を制御する正の実数です。α が β と等しいとき、分布は 0.5 を中心に対称になります。α が β より大きいとき、分布は 1 の方に偏ります（左に歪む）。α が β より小さいとき、0 の方に偏ります（右に歪む）。両方が 1 未満のとき、分布は両端にピークを持つ U 型になります。

ベータ分布はベイズ統計でどのように使用されますか？

ベータ分布は、ベルヌーイ分布および二項分布の共役事前分布です。ベイズ推論において、確率パラメータの事前分布として Beta(α, β) から始め、n 回の試行で s 回の成功を観察した場合、事後分布は Beta(α + s, β + n − s) になります。これにより、確率、コンバージョン率、割合、および 0 から 1 の間に限定される同様の数値に関する不確実性をモデル化するための標準的な選択肢となっています。

ベータ分布と正規分布の違いは何ですか？

ベータ分布は [0, 1] の範囲に限定されていますが、正規分布は負の無限大から正の無限大までのすべての実数にわたります。ベータ分布は形状の柔軟性がはるかに高く、U型、J型、ベル型、またはフラットになることができますが、正規分布は常にベル型です。ベータ分布は割合や確率をモデル化するのに自然な選択ですが、正規分布は制約のない連続的な測定値に最適です。

ベータ分布の CDF はどのように計算しますか？

ベータ分布の CDF は正則化不完全ベータ関数 I_x(α, β) であり、0 から x までの t^(α−1)(1−t)^(β−1) dt の積分をベータ関数 B(α, β) で割ったものとして定義されます。この積分は、一般的な α と β に対して閉形式の解を持たないため、連分数アルゴリズムや級数展開を使用して数値的に計算されます。この電卓は、その計算を自動的に行います。

このコンテンツ、ページ、またはツールを引用する場合は、次のようにしてください：

"ベータ分布電卓"（https://MiniWebtool.com/ja/ベータ分布計算機/） MiniWebtool からの引用、https://MiniWebtool.com/

作成: miniwebtool チーム。最終更新日: 2026-04-14

開発者向け API が利用できます: このツールをアプリ、自動化、エージェントから 1 回の JSON HTTP リクエストで実行できます。 API ドキュメントを見る

また、AI 数学ソルバー GPT を使って、自然言語による質問と回答で数学の問題を解決することもできます。

ベータ分布電卓

ベータ分布電卓

ベータ分布とは何ですか？

主な特性

形状ギャラリー — α と β が分布に与える影響

数式

ベイズ統計的解釈

実世界での応用

ベータ分布 vs. 他の分布

ベータ分布電卓の使い方

FAQ

統計とデータ分析:

おすすめ:

特性	数式	説明
PDF	\(f(x) = \frac{x^{\alpha-1}(1-x)^{\beta-1}}{B(\alpha,\beta)}\)	x における確率密度
CDF	\(F(x) = I_x(\alpha,\beta)\)	正則化不完全ベータ関数
平均	\(\mu = \frac{\alpha}{\alpha+\beta}\)	期待値
分散	\(\sigma^2 = \frac{\alpha\beta}{(\alpha+\beta)^2(\alpha+\beta+1)}\)	分布の広がり
最頻値	\(\frac{\alpha-1}{\alpha+\beta-2}\) (α, β > 1 の場合)	最も確率の高い値
歪度	\(\frac{2(\beta-\alpha)\sqrt{\alpha+\beta+1}}{(\alpha+\beta+2)\sqrt{\alpha\beta}}\)	非対称性の尺度
ベータ関数	\(B(\alpha,\beta) = \frac{\Gamma(\alpha)\Gamma(\beta)}{\Gamma(\alpha+\beta)}\)	正規化定数