Máy Tính Phân Phối Beta

Tính xác suất cho phân phối beta với các tham số hình dạng α và β. Tính P(X ≤ x), P(X ≥ x), hoặc P(a ≤ X ≤ b), với đồ thị PDF/CDF tương tác, các vùng xác suất được tô bóng, lời giải MathJax từng bước và các đặc tính phân phối bao gồm giá trị trung bình, phương sai, yếu vị và độ lệch.

Embed Máy Tính Phân Phối Beta Widget

Giới thiệu về Máy Tính Phân Phối Beta

Máy tính Phân phối Beta tính toán xác suất, trực quan hóa hàm mật độ xác suất (PDF) và hàm phân phối tích lũy (CDF), đồng thời hiển thị các thuộc tính phân phối cho phân phối beta $X \sim \text{Beta}(\alpha, \beta)$. Nhập các tham số hình dạng $\alpha$ và $\beta$ cùng với giá trị $x \in [0, 1]$ để nhận $P(X \leq x)$, $P(X \geq x)$, hoặc $P(a \leq X \leq b)$, kèm theo lời giải từng bước, biểu đồ tương tác và các thống kê chính như trung bình, phương sai, yếu vị và độ lệch.

Phân phối Beta là gì?

Phân phối beta là một phân phối xác suất liên tục được xác định trên khoảng $[0, 1]$ với hai tham số hình dạng dương $\alpha$ (alpha) và $\beta$ (beta). Hàm mật độ xác suất (PDF) của nó là:

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

trong đó $B(\alpha,\beta) = \frac{\Gamma(\alpha)\,\Gamma(\beta)}{\Gamma(\alpha+\beta)}$ là hàm beta. Phân phối beta cực kỳ linh hoạt — bằng cách thay đổi $\alpha$ và $\beta$, nó có thể mô hình hóa các phân phối đồng nhất, hình chuông, hình chữ U hoặc hình chữ J, khiến nó trở thành một trong những phân phối quan trọng nhất trong xác suất và thống kê.

Các thuộc tính chính

🔗

Liên hợp Bayesian

Tiên nghiệm liên hợp cho các phân phối Bernoulli, Nhị thức và Hình học trong suy luận Bayesian.

🔄

Tính linh hoạt hình dạng

Có thể mô hình hóa các phân phối đồng nhất, hình chữ U, hình chữ J và hình chuông tùy thuộc vào α và β.

📏

Giá trị xác định

Được xác định trên [0, 1], lý tưởng để mô hình hóa xác suất, tỷ lệ và tốc độ.

⚖

Tính đối xứng

Khi α = β, phân phối đối xứng qua 0.5. Ngược lại, nó bị lệch.

Phòng trưng bày Hình dạng — Cách α và β ảnh hưởng đến Phân phối

Phân phối beta có các hình dạng khác nhau đáng kể tùy thuộc vào các tham số của nó:

Đồng nhất

α = 1, β = 1

Chuông đối xứng

α = 5, β = 5

Hình chữ J (trái)

α = 0.5, β = 2

Hình chữ U

α = 0.5, β = 0.5

Công thức

Thuộc tính	Công thức	Mô tả
PDF	$f(x) = \frac{x^{\alpha-1}(1-x)^{\beta-1}}{B(\alpha,\beta)}$	Mật độ xác suất tại x
CDF	$F(x) = I_x(\alpha,\beta)$	Hàm beta không đầy đủ được chính quy hóa
Trung bình	$\mu = \frac{\alpha}{\alpha+\beta}$	Giá trị kỳ vọng
Phương sai	$\sigma^2 = \frac{\alpha\beta}{(\alpha+\beta)^2(\alpha+\beta+1)}$	Độ phân tán của phân phối
Yếu vị	$\frac{\alpha-1}{\alpha+\beta-2}$ (nếu α, β > 1)	Giá trị có khả năng xảy ra nhất
Độ lệch	$\frac{2(\beta-\alpha)\sqrt{\alpha+\beta+1}}{(\alpha+\beta+2)\sqrt{\alpha\beta}}$	Thước đo tính bất đối xứng
Hàm Beta	$B(\alpha,\beta) = \frac{\Gamma(\alpha)\Gamma(\beta)}{\Gamma(\alpha+\beta)}$	Hằng số chuẩn hóa

Giải thích theo quan điểm Bayesian

Phân phối beta là trung tâm của thống kê Bayesian bởi vì nó là tiên nghiệm liên hợp cho các phân phối Bernoulli và Nhị thức. Nếu bạn có niềm tin tiên nghiệm về một xác suất $p$ được biểu diễn dưới dạng $\text{Beta}(\alpha, \beta)$, và bạn quan sát được $s$ thành công trong $n$ lần thử, thì niềm tin được cập nhật (hậu nghiệm) của bạn là:

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

Quy tắc cập nhật thanh thoát này là lý do tại sao phân phối beta là lựa chọn mặc định để mô hình hóa sự không chắc chắn về xác suất. Các lựa chọn phổ biến cho tiên nghiệm bao gồm:

Tên tiên nghiệm	Tham số	Khi nào sử dụng
Đồng nhất (phẳng)	Beta(1, 1)	Không có thông tin trước — tất cả các xác suất đều có khả năng như nhau
Tiên nghiệm Jeffreys	Beta(0.5, 0.5)	Tiên nghiệm không mang thông tin với các thuộc tính toán học tốt
Tiên nghiệm Haldane	Beta(0, 0) (không chính tắc)	Hoàn toàn không mang thông tin — được sử dụng trong phân tích Bayesian hình thức
Thông tin yếu	Beta(2, 2)	Ưu tiên nhẹ cho các giá trị gần 0.5

Ứng dụng trong thế giới thực

Lĩnh vực	Mô hình X	Ví dụ
Kiểm thử A/B	Xác suất tỷ lệ chuyển đổi	Ước tính tỷ lệ nhấp chuột cho hai biến thể trang web
Kiểm soát chất lượng	Tỷ lệ sản phẩm bị lỗi	Mô hình hóa tỷ lệ lỗi của một quy trình sản xuất
Phân tích thể thao	Xác suất thắng / tỷ lệ đánh bóng	Ước tính tỷ lệ đánh bóng thực tế của một cầu thủ bóng chày
Bảo hiểm	Xác suất yêu cầu bồi thường	Mô hình hóa tỷ lệ người mua bảo hiểm nộp đơn bồi thường
Di truyền học	Tần suất alen	Mô hình hóa tần suất của một biến thể gen trong một quần thể
Học máy	Độ tin cậy của mô hình	Phân phối tiên nghiệm cho các tham số xác suất trong các bộ phân loại Bayesian

Phân phối Beta so với các Phân phối khác

Tính năng	Beta	Chuẩn (Normal)	Đồng nhất (Uniform)
Giá trị xác định	[0, 1]	(−∞, +∞)	[a, b]
Tham số	α, β (hình dạng)	μ, σ (vị trí, quy mô)	a, b (điểm cuối)
Linh hoạt hình dạng	Rất cao (chuông, U, J, phẳng)	Luôn có hình chuông	Luôn phẳng
Tốt nhất cho	Tỷ lệ, xác suất	Các phép đo không giới hạn	Các tình huống có khả năng ngang nhau
Sử dụng Bayesian	Tiên nghiệm liên hợp cho Bernoulli	Tiên nghiệm liên hợp cho chuẩn (đã biết σ)	Tiên nghiệm không mang thông tin

Cách sử dụng Máy tính Phân phối Beta

Nhập các tham số hình dạng α và β: Cả hai phải là số dương. α kiểm soát lượng trọng số gần 1, và β kiểm soát trọng số gần 0. Đối với phân phối đối xứng, hãy đặt α = β.
Chọn loại xác suất: Chọn P(X ≤ x) cho xác suất tích lũy, P(X ≥ x) cho xác suất sinh tồn, hoặc P(a ≤ X ≤ b) cho xác suất phạm vi.
Nhập giá trị x hoặc phạm vi: Các giá trị phải nằm trong khoảng từ 0 đến 1. Đối với xác suất phạm vi, hãy nhập cả giới hạn dưới a và giới hạn trên b.
Xem kết quả: Kiểm tra kết quả xác suất, huy hiệu phân loại hình dạng, biểu đồ PDF và CDF tương tác với các vùng xác suất được tô bóng, các thuộc tính phân phối (trung bình, phương sai, yếu vị) và lời giải từng bước hoàn chỉnh.

Câu hỏi thường gặp (FAQ)

Phân phối beta là gì?

Phân phối beta là một phân phối xác suất liên tục được xác định trên khoảng [0, 1] với hai tham số hình dạng alpha và beta. Nó cực kỳ linh hoạt và có thể mô hình hóa các tỷ lệ, xác suất và tốc độ. Tùy thuộc vào giá trị tham số, nó có thể có nhiều hình dạng bao gồm hình chuông, hình chữ U, hình chữ J hoặc đồng nhất.

Các tham số hình dạng alpha và beta là gì?

Alpha (α) và beta (β) là các số thực dương kiểm soát hình dạng của phân phối. Khi alpha bằng beta, phân phối đối xứng quanh 0.5. Khi alpha lớn hơn beta, phân phối lệch về phía 1 (lệch trái). Khi alpha nhỏ hơn beta, nó lệch về phía 0 (lệch phải). Khi cả hai nhỏ hơn 1, phân phối trở thành hình chữ U với các đỉnh ở cả hai đầu.

Phân phối beta được sử dụng như thế nào trong thống kê Bayesian?

Phân phối beta là tiên nghiệm liên hợp cho các phân phối Bernoulli và nhị thức. Trong suy luận Bayesian, nếu bạn bắt đầu với tiên nghiệm Beta(α, β) cho một tham số xác suất và quan sát được s thành công trong n lần thử, thì phân phối hậu nghiệm là Beta(α + s, β + n − s). Điều này làm cho nó trở thành lựa chọn tiêu chuẩn để mô hình hóa sự không chắc chắn về xác suất, tỷ lệ chuyển đổi, tỷ lệ và các đại lượng tương tự bị giới hạn trong khoảng từ 0 đến 1.

Sự khác biệt giữa phân phối beta và phân phối chuẩn là gì?

Phân phối beta bị giới hạn trong khoảng [0, 1] trong khi phân phối chuẩn trải rộng trên tất cả các số thực từ âm vô cùng đến dương vô cùng. Phân phối beta linh hoạt hơn nhiều về hình dạng — nó có thể có hình chữ U, hình chữ J, hình chuông hoặc phẳng — trong khi phân phối chuẩn luôn có hình chuông. Phân phối beta là lựa chọn tự nhiên để mô hình hóa các tỷ lệ và xác suất, trong khi phân phối chuẩn tốt nhất cho các phép đo liên tục không giới hạn.

Làm cách nào để tính CDF của phân phối beta?

CDF của phân phối beta là hàm beta không đầy đủ được chính quy hóa I_x(α, β), được định nghĩa là tích phân từ 0 đến x của t^(α−1)(1−t)^(β−1) dt, chia cho hàm beta B(α, β). Tích phân này không có lời giải dạng đóng cho các tham số α và β tổng quát, vì vậy nó được tính toán bằng số bằng các thuật toán liên phân số hoặc khai triển chuỗi. Máy tính này xử lý việc tính toán tự động.

Tham khảo nội dung, trang hoặc công cụ này như sau:

"Máy Tính Phân Phối Beta" tại https://MiniWebtool.com/vi// từ MiniWebtool, https://MiniWebtool.com/

bởi đội ngũ miniwebtool. Cập nhật: 2026-04-14

Bạn cũng có thể thử AI Giải Toán GPT của chúng tôi để giải quyết các vấn đề toán học của bạn thông qua câu hỏi và trả lời bằng ngôn ngữ tự nhiên.

Thuộc tính	Công thức	Mô tả
PDF	\(f(x) = \frac{x^{\alpha-1}(1-x)^{\beta-1}}{B(\alpha,\beta)}\)	Mật độ xác suất tại x
CDF	\(F(x) = I_x(\alpha,\beta)\)	Hàm beta không đầy đủ được chính quy hóa
Trung bình	\(\mu = \frac{\alpha}{\alpha+\beta}\)	Giá trị kỳ vọng
Phương sai	\(\sigma^2 = \frac{\alpha\beta}{(\alpha+\beta)^2(\alpha+\beta+1)}\)	Độ phân tán của phân phối
Yếu vị	\(\frac{\alpha-1}{\alpha+\beta-2}\) (nếu α, β > 1)	Giá trị có khả năng xảy ra nhất
Độ lệch	\(\frac{2(\beta-\alpha)\sqrt{\alpha+\beta+1}}{(\alpha+\beta+2)\sqrt{\alpha\beta}}\)	Thước đo tính bất đối xứng
Hàm Beta	\(B(\alpha,\beta) = \frac{\Gamma(\alpha)\Gamma(\beta)}{\Gamma(\alpha+\beta)}\)	Hằng số chuẩn hóa

Máy Tính Phân Phối Beta

Giới thiệu về Máy Tính Phân Phối Beta

Phân phối Beta là gì?

Các thuộc tính chính

Phòng trưng bày Hình dạng — Cách α và β ảnh hưởng đến Phân phối

Công thức

Giải thích theo quan điểm Bayesian

Ứng dụng trong thế giới thực

Phân phối Beta so với các Phân phối khác

Cách sử dụng Máy tính Phân phối Beta

Câu hỏi thường gặp (FAQ)

Công cụ nổi bật: