自 2010 年 · 每月支持超过 200 万次工具运行
自 2010 年
添加到 Chrome

我的工具箱

自动模式

还没有收藏的工具。

升级为高级版
相关工具
指数分布计算器威布尔分布计算器正态分布计算器几何分布计算器二项概率分布计算器泊松分布计算器直方图生成器
主页 > 数学 > 统计与数据分析
 

贝塔分布计算器

根据形状参数alpha和beta计算贝塔分布的概率。得到P(X<=x)、P(X>=x)或区间概率，配交互式PDF和CDF图、阴影区域、分步解答，以及均值、方差、众数和偏度。

免费使用无需注册即时出结果
贝塔分布计算器立即免费试用 ▼
示例：
α
α > 0。较大的 α 会使权重向 1 偏移
β
β > 0。较大的 β 会使权重向 0 偏移
概率类型
公式预览
f(x; α, β) = xα−1(1−x)β−1 / B(α, β)

Embed 贝塔分布计算器 Widget

贝塔分布计算器

贝塔分布计算器可以计算概率，可视化概率密度函数 (PDF) 和累积分布函数 (CDF)，并显示贝塔分布 \(X \sim \text{Beta}(\alpha, \beta)\) 的分布属性。输入形状参数 \(\alpha\) 和 \(\beta\) 以及值 \(x \in [0, 1]\)，即可获得 \(P(X \leq x)\)、\(P(X \geq x)\) 或 \(P(a \leq X \leq b)\)，并配有逐步解决方案、交互式图表以及均值、方差、众数和偏度等关键统计数据。

什么是贝塔分布？

贝塔分布是定义在区间 \([0, 1]\) 上的连续概率分布，具有两个正形状参数 \(\alpha\) (alpha) 和 \(\beta\) (beta)。其概率密度函数 (PDF) 为：

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

其中 \(B(\alpha,\beta) = \frac{\Gamma(\alpha)\,\Gamma(\beta)}{\Gamma(\alpha+\beta)}\) 是贝塔函数。贝塔分布极其通用——通过改变 \(\alpha\) 和 \(\beta\)，它可以模拟均匀分布、钟形分布、U 形分布或 J 形分布，使其成为概率论和统计学中最重要的分布之一。

关键属性

🔗
贝叶斯共轭
贝叶斯推断中伯努利分布、二项分布和几何分布的共轭先验。
🔄
形状多样性
根据 α 和 β 的不同，可以模拟均匀、U 形、J 形和钟形分布。
📏
有界支持
定义在 [0, 1] 上，是模拟概率、比例和率的理想选择。
⚖
对称性
当 α = β 时，分布关于 0.5 对称。否则它是偏态的。

形状展示 — α 和 β 如何影响分布

贝塔分布根据其参数呈现出截然不同的形状：

均匀
α = 1, β = 1
对称钟形
α = 5, β = 5
J 形 (左偏)
α = 0.5, β = 2
U 形
α = 0.5, β = 0.5

公式

属性公式描述
PDF\(f(x) = \frac{x^{\alpha-1}(1-x)^{\beta-1}}{B(\alpha,\beta)}\)x 处的概率密度
CDF\(F(x) = I_x(\alpha,\beta)\)正则不完全贝塔函数
均值\(\mu = \frac{\alpha}{\alpha+\beta}\)期望值
方差\(\sigma^2 = \frac{\alpha\beta}{(\alpha+\beta)^2(\alpha+\beta+1)}\)分布的离散程度
众数\(\frac{\alpha-1}{\alpha+\beta-2}\) (如果 α, β > 1)最可能出现的值
偏度\(\frac{2(\beta-\alpha)\sqrt{\alpha+\beta+1}}{(\alpha+\beta+2)\sqrt{\alpha\beta}}\)不对称性度量
贝塔函数\(B(\alpha,\beta) = \frac{\Gamma(\alpha)\Gamma(\beta)}{\Gamma(\alpha+\beta)}\)归一化常数

贝叶斯解释

贝塔分布在贝叶斯统计中处于核心地位，因为它是伯努利分布和二项分布的共轭先验。如果你对概率 \(p\) 有一个表达为 \(\text{Beta}(\alpha, \beta)\) 的先验信念，并且你在 \(n\) 次试验中观察到 \(s\) 次成功，那么你更新后的（后验）信念为：

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

这种优雅的更新规则就是为什么贝塔分布是模拟概率不确定性的默认选择。常见的先验选择包括：

先验名称参数适用场景
均匀 (持平)Beta(1, 1)无先验信息 — 所有概率等可能
Jeffreys 先验Beta(0.5, 0.5)具有良好数学性质的无信息先验
Haldane 先验Beta(0, 0) (不当先验)极度无信息 — 用于正式贝叶斯分析
弱信息先验Beta(2, 2)略微偏向 0.5 附近的值

现实世界应用

领域X 模型的内容示例
A/B 测试转化率概率估算两个网站变体的点击率
质量控制缺陷品比例模拟制造过程的缺陷率
体育分析胜率 / 打击率估算棒球运动员的真实打击率
保险理赔概率模拟提出理赔的保单持有人比例
遗传学等位基因频率模拟群体中基因变异的频率
机器学习模型置信度贝叶斯分类器中概率参数的先验分布

贝塔分布 vs. 其他分布

特征贝塔分布正态分布均匀分布
支持集[0, 1](−∞, +∞)[a, b]
参数α, β (形状)μ, σ (位置, 尺度)a, b (端点)
形状灵活性极高 (钟形, U, J, 持平)始终为钟形始终持平
最适用于比例, 概率无界测量等可能性场景
贝叶斯用途伯努利的共轭先验正态(已知 σ)的共轭先验无信息先验

如何使用贝塔分布计算器

  1. 输入形状参数 α 和 β： 两者都必须是正数。α 控制靠近 1 的权重，β 控制靠近 0 的权重。对于对称分布，设置 α = β。
  2. 选择概率类型： 选择 P(X ≤ x) 计算累积概率，选择 P(X ≥ x) 计算生存概率，或选择 P(a ≤ X ≤ b) 计算范围概率。
  3. 输入 x 值或范围： 值必须在 0 到 1 之间。对于范围概率，请同时输入下限 a 和上限 b。
  4. 查看结果： 查看概率结果、形状分类徽章、带有阴影概率区域的交互式 PDF 和 CDF 图表、分布属性（均值、方差、众数）以及完整的逐步解决方案。

常见问题解答

什么是贝塔分布？
贝塔分布是定义在区间 [0, 1] 上的连续概率分布，具有两个形状参数 alpha 和 beta。它非常通用，可以模拟比例、概率和率。根据参数值的不同，它可以呈现多种形状，包括钟形、U 形、J 形或均匀分布。
什么是形状参数 alpha 和 beta？
Alpha (α) 和 beta (β) 是控制分布形状的正实数。当 alpha 等于 beta 时，分布围绕 0.5 对称。当 alpha 大于 beta 时，分布向 1 偏移（左偏）。当 alpha 小于 beta 时，分布向 0 偏移（右偏）。当两者都小于 1 时，分布变为在两个端点都有峰值的 U 形。
贝塔分布在贝叶斯统计中是如何使用的？
贝塔分布是伯努利分布和二项分布的共轭先验。在贝叶斯推断中，如果你以 Beta(α, β) 作为概率参数的先验分布，并在 n 次试验中观察到 s 次成功，则后验分布为 Beta(α + s, β + n − s)。这使其成为模拟概率、转化率、比例和类似在 0 到 1 之间有界数量的不确定性的标准选择。
贝塔分布和正态分布有什么区别？
贝塔分布是有界的，范围在 [0, 1] 之间，而正态分布跨越从负无穷到正无穷的所有实数。贝塔分布在形状上要灵活得多——它可以是 U 形、J 形、钟形或持平——而正态分布始终是钟形。贝塔分布是模拟比例和概率的自然选择，而正态分布最适合无界的连续测量。
如何计算贝塔分布的 CDF？
贝塔分布的 CDF 是正则不完全贝塔函数 I_x(α, β)，定义为 t^(α−1)(1−t)^(β−1) dt 从 0 到 x 的积分除以贝塔函数 B(α, β)。该积分对于一般的 α 和 β 没有闭式解，因此使用连分数算法或级数展开进行数值计算。此计算器会自动处理这些计算。

引用此内容、页面或工具为：

"贝塔分布计算器" 于 https://MiniWebtool.com/zh-cn/贝塔分布计算器/，来自 MiniWebtool，https://MiniWebtool.com/

由 miniwebtool 团队。更新日期：2026-04-14

开发者 API 可用: 用一次 JSON HTTP 请求，把这个工具接入你的应用、自动化流程或智能体。 查看 API 文档

统计与数据分析:

数学求解你想解决什么数学问题？

数学求解

试试
浏览更多表达式

点击示例填入，可修改数值后求解。log 默认以 10 为底，自然对数使用 ln。

数字与因数

分数与除法

幂、根式与对数

代数与方程

微积分

几何与三角

热门与最新工具:

F检验/F分布计算器超几何分布计算器负二项分布计算器查看全部 →
主页 > 数学 > 统计与数据分析 > 贝塔分布计算器