Kalkulator Rozkładu Beta

Oblicz prawdopodobieństwo dla rozkładu beta z parametrami kształtu α i β. Oblicz P(X ≤ x), P(X ≥ x) lub P(a ≤ X ≤ b) wraz z interaktywnymi wykresami PDF/CDF, zacienionymi obszarami prawdopodobieństwa, rozwiązaniami MathJax krok po kroku oraz właściwościami rozkładu, w tym średnią, wariancją, dominantą i skośnością.

Embed Kalkulator Rozkładu Beta Widget

O Kalkulator Rozkładu Beta

Kalkulator rozkładu beta oblicza prawdopodobieństwa, wizualizuje funkcję gęstości prawdopodobieństwa (PDF) i dystrybuantę (CDF) oraz wyświetla właściwości rozkładu dla rozkładu beta $X \sim \text{Beta}(\alpha, \beta)$. Wprowadź parametry kształtu $\alpha$ i $\beta$ wraz z wartością $x \in [0, 1]$, aby uzyskać $P(X \leq x)$, $P(X \geq x)$ lub $P(a \leq X \leq b)$, wraz z rozwiązaniami krok po kroku, interaktywnymi wykresami i kluczowymi statystykami, takimi jak średnia, wariancja, moda i skośność.

Co to jest rozkład beta?

Rozkład beta to ciągły rozkład prawdopodobieństwa zdefiniowany na przedziale $[0, 1]$ z dwoma dodatnimi parametrami kształtu $\alpha$ (alfa) i $\beta$ (beta). Jego funkcja gęstości prawdopodobieństwa (PDF) to:

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

gdzie $B(\alpha,\beta) = \frac{\Gamma(\alpha)\,\Gamma(\beta)}{\Gamma(\alpha+\beta)}$ jest funkcją beta. Rozkład beta jest niezwykle wszechstronny — zmieniając $\alpha$ i $\beta$, można modelować rozkłady jednostajne, dzwonowate, w kształcie litery U lub J, co czyni go jednym z najważniejszych rozkładów w teorii prawdopodobieństwa i statystyce.

Kluczowe właściwości

🔗

Sprzężenie bayesowskie

Rozkład a priori sprzężony dla rozkładów Bernoulliego, dwumianowego i geometrycznego w wnioskowaniu bayesowskim.

🔄

Wszechstronność kształtu

Może modelować rozkłady jednostajne, w kształcie U, J oraz dzwonowate w zależności od α i β.

📏

Ograniczony nośnik

Zdefiniowany na [0, 1], co czyni go idealnym do modelowania prawdopodobieństw, proporcji i wskaźników.

⚖

Symetria

Gdy α = β, rozkład jest symetryczny względem 0.5. W przeciwnym razie jest skośny.

Galeria kształtów — jak α i β wpływają na rozkład

Rozkład beta przybiera znacząco różne kształty w zależności od swoich parametrów:

Jednostajny

α = 1, β = 1

Symetryczny dzwon

α = 5, β = 5

W kształcie J (lewy)

α = 0.5, β = 2

W kształcie U

α = 0.5, β = 0.5

Wzory

Właściwość	Wzór	Opis
PDF	$f(x) = \frac{x^{\alpha-1}(1-x)^{\beta-1}}{B(\alpha,\beta)}$	Gęstość prawdopodobieństwa w punkcie x
CDF	$F(x) = I_x(\alpha,\beta)$	Zregularyzowana niepełna funkcja beta
Średnia	$\mu = \frac{\alpha}{\alpha+\beta}$	Wartość oczekiwana
Wariancja	$\sigma^2 = \frac{\alpha\beta}{(\alpha+\beta)^2(\alpha+\beta+1)}$	Rozrzut rozkładu
Moda	$\frac{\alpha-1}{\alpha+\beta-2}$ (jeśli α, β > 1)	Najbardziej prawdopodobna wartość
Skośność	$\frac{2(\beta-\alpha)\sqrt{\alpha+\beta+1}}{(\alpha+\beta+2)\sqrt{\alpha\beta}}$	Miara asymetrii
Funkcja Beta	$B(\alpha,\beta) = \frac{\Gamma(\alpha)\Gamma(\beta)}{\Gamma(\alpha+\beta)}$	Stała normalizująca

Interpretacja bayesowska

Rozkład beta odgrywa kluczową rolę w statystyce bayesowskiej, ponieważ jest rozkładem a priori sprzężonym dla rozkładów Bernoulliego i dwumianowego. Jeśli masz przekonanie a priori o prawdopodobieństwie $p$ wyrażone jako $\text{Beta}(\alpha, \beta)$ i zaobserwujesz $s$ sukcesów w $n$ próbach, to Twoje zaktualizowane przekonanie (a posteriori) wynosi:

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

Ta elegancka zasada aktualizacji jest powodem, dla którego rozkład beta jest domyślnym wyborem do modelowania niepewności co do prawdopodobieństw. Typowe wybory rozkładów a priori obejmują:

Nazwa rozkładu a priori	Parametry	Kiedy stosować
Jednostajny (płaski)	Beta(1, 1)	Brak informacji a priori — wszystkie prawdopodobieństwa równie możliwe
A priori Jeffreysa	Beta(0.5, 0.5)	Nieinformacyjny rozkład a priori o dobrych właściwościach matematycznych
A priori Haldane'a	Beta(0, 0) (niewłaściwy)	Maksymalnie nieinformacyjny — używany w formalnych analizach bayesowskich
Słabo informacyjny	Beta(2, 2)	Lekka preferencja dla wartości bliskich 0.5

Zastosowania w świecie rzeczywistym

Dziedzina	Co modeluje X	Przykład
Testy A/B	Prawdopodobieństwo konwersji	Szacowanie współczynników klikalności dla dwóch wariantów strony
Kontrola jakości	Proporcja wadliwych produktów	Modelowanie wskaźnika defektów w procesie produkcyjnym
Analityka sportowa	Szansa na wygraną / średnia uderzeń	Szacowanie rzeczywistej średniej uderzeń gracza baseballowego
Ubezpieczenia	Prawdopodobieństwo roszczenia	Modelowanie proporcji ubezpieczonych zgłaszających roszczenie
Genetyka	Częstotliwość alleli	Modelowanie częstości występowania wariantu genu w populacji
Uczenie maszynowe	Pewność modelu	Rozkład a priori dla parametrów prawdopodobieństwa w klasyfikatorach bayesowskich

Rozkład beta a inne rozkłady

Cecha	Beta	Normalny	Jednostajny
Nośnik	[0, 1]	(−∞, +∞)	[a, b]
Parametry	α, β (kształt)	μ, σ (położenie, skala)	a, b (punkty końcowe)
Elastyczność kształtu	Bardzo wysoka (dzwon, U, J, płaski)	Zawsze dzwonowaty	Zawsze płaski
Najlepszy dla	Proporcji, prawdopodobieństw	Nieograniczonych pomiarów	Scenariuszy z równym prawdopodobieństwem
Użycie bayesowskie	Priori sprzężone dla Bernoulliego	Priori sprzężone dla normalnego (znane σ)	Nieinformacyjny rozkład a priori

Jak korzystać z kalkulatora rozkładu beta

Wprowadź parametry kształtu α i β: Oba muszą być liczbami dodatnimi. α kontroluje masę w pobliżu 1, a β kontroluje masę w pobliżu 0. Dla rozkładu symetrycznego ustaw α = β.
Wybierz typ prawdopodobieństwa: Wybierz P(X ≤ x) dla prawdopodobieństwa skumulowanego, P(X ≥ x) dla prawdopodobieństwa przeżycia lub P(a ≤ X ≤ b) dla prawdopodobieństwa w zakresie.
Wprowadź wartość x lub zakres: Wartości muszą mieścić się w przedziale od 0 do 1. Dla prawdopodobieństw zakresu wprowadź zarówno dolną granicę a, jak i górną granicę b.
Przejrzyj wyniki: Sprawdź wynik prawdopodobieństwa, plakietkę klasyfikacji kształtu, interaktywne wykresy PDF i CDF z zacienionymi obszarami, właściwości rozkładu (średnia, wariancja, moda) oraz pełne rozwiązanie krok po kroku.

FAQ

Co to jest rozkład beta?

Rozkład beta to ciągły rozkład prawdopodobieństwa zdefiniowany na przedziale [0, 1] z dwoma parametrami kształtu alfa i beta. Jest niezwykle wszechstronny i może modelować proporcje, prawdopodobieństwa oraz wskaźniki. W zależności od wartości parametrów może przybierać wiele kształtów, w tym dzwonowaty, w kształcie litery U, J lub jednostajny.

Czym są parametry kształtu alfa i beta?

Alfa (α) i beta (β) to dodatnie liczby rzeczywiste, które kontrolują kształt rozkładu. Gdy alfa równa się beta, rozkład jest symetryczny względem 0.5. Gdy alfa jest większa od bety, rozkład jest skośny w stronę 1 (lewoskośny). Gdy alfa jest mniejsza od bety, jest skośny w stronę 0 (prawoskośny). Gdy oba są mniejsze niż 1, rozkład staje się w kształcie litery U z szczytami na obu końcach.

Jak rozkład beta jest używany w statystyce bayesowskiej?

Rozkład beta jest rozkładem a priori sprzężonym dla rozkładów Bernoulliego i dwumianowego. W wnioskowaniu bayesowskim, jeśli zaczniesz od rozkładu a priori Beta(α, β) dla parametru prawdopodobieństwa i zaobserwujesz s sukcesów w n próbach, rozkład a posteriori to Beta(α + s, β + n − s). To czyni go standardowym wyborem do modelowania niepewności dotyczącej prawdopodobieństw, współczynników konwersji, proporcji i podobnych wielkości ograniczonych między 0 a 1.

Jaka jest różnica między rozkładem beta a rozkładem normalnym?

Rozkład beta jest ograniczony do przedziału [0, 1], podczas gdy rozkład normalny obejmuje wszystkie liczby rzeczywiste od minus nieskończoności do plus nieskończoności. Rozkład beta jest znacznie bardziej elastyczny pod względem kształtu — może być w kształcie litery U, J, dzwonu lub płaski — podczas gdy rozkład normalny jest zawsze dzwonowaty. Rozkład beta jest naturalnym wyborem do modelowania proporcji i prawdopodobieństw, natomiast rozkład normalny najlepiej nadaje się do nieograniczonych pomiarów ciągłych.

Jak obliczyć dystrybuantę (CDF) rozkładu beta?

Dystrybuanta rozkładu beta to zregularyzowana niepełna funkcja beta I_x(α, β), zdefiniowana jako całka od 0 do x z t^(α−1)(1−t)^(β−1) dt, podzielona przez funkcję beta B(α, β). Całka ta nie posiada rozwiązania w postaci zamkniętej dla ogólnych α i β, dlatego jest obliczana numerycznie przy użyciu algorytmów ułamków łańcuchowych lub rozwinięć w szeregi. Ten kalkulator wykonuje te obliczenia automatycznie.

Cytuj ten materiał, stronę lub narzędzie w następujący sposób:

"Kalkulator Rozkładu Beta" na https://MiniWebtool.com/pl/kalkulator-rozkladu-beta/ z MiniWebtool, https://MiniWebtool.com/

przez zespół miniwebtool. Zaktualizowano: 2026-04-14

Możesz także wypróbować nasz AI Rozwiązywacz Matematyczny GPT, aby rozwiązywać swoje problemy matematyczne poprzez pytania i odpowiedzi w języku naturalnym.

Inne powiązane narzędzia:

Detektor treści AINowy

Kalkulator funkcji beta

Kalkulator rozkładu dwumianowego

Kalkulator Funkcji Sufitu i PodłogiNowy

Komplementarny kalkulator funkcji błędu

Kalkulator Rozkładu WykładniczegoNowy

Kalkulator Funkcji Gamma

Kalkulator Funkcji MöbiusaNowy

Kalkulator Rozkładu NormalnegoNowy

Kalkulator rozkładu prawdopodobieństwaPolecane

Kalkulator Rozkładu Beta

O Kalkulator Rozkładu Beta

Co to jest rozkład beta?

Kluczowe właściwości

Galeria kształtów — jak α i β wpływają na rozkład

Wzory

Interpretacja bayesowska

Zastosowania w świecie rzeczywistym

Rozkład beta a inne rozkłady

Jak korzystać z kalkulatora rozkładu beta

FAQ

Inne powiązane narzędzia:

Statystyki i analiza danych:

Polecane narzędzia:

Właściwość	Wzór	Opis
PDF	\(f(x) = \frac{x^{\alpha-1}(1-x)^{\beta-1}}{B(\alpha,\beta)}\)	Gęstość prawdopodobieństwa w punkcie x
CDF	\(F(x) = I_x(\alpha,\beta)\)	Zregularyzowana niepełna funkcja beta
Średnia	\(\mu = \frac{\alpha}{\alpha+\beta}\)	Wartość oczekiwana
Wariancja	\(\sigma^2 = \frac{\alpha\beta}{(\alpha+\beta)^2(\alpha+\beta+1)}\)	Rozrzut rozkładu
Moda	\(\frac{\alpha-1}{\alpha+\beta-2}\) (jeśli α, β > 1)	Najbardziej prawdopodobna wartość
Skośność	\(\frac{2(\beta-\alpha)\sqrt{\alpha+\beta+1}}{(\alpha+\beta+2)\sqrt{\alpha\beta}}\)	Miara asymetrii
Funkcja Beta	\(B(\alpha,\beta) = \frac{\Gamma(\alpha)\Gamma(\beta)}{\Gamma(\alpha+\beta)}\)	Stała normalizująca