贝塔分布计算器
计算具有形状参数 α 和 β 的贝塔分布概率。获取 P(X ≤ x), P(X ≥ x) 或 P(a ≤ X ≤ b)，包含交互式 PDF/CDF 图表、阴影概率区域、MathJax 分步解题过程，以及包括均值、方差、众数和偏度在内的分布属性。
检测到广告拦截，导致我们无法展示广告
MiniWebtool 依靠广告收入免费提供服务。如果这个工具帮到了你，欢迎开通 Premium（无广告 + 更快），或将 MiniWebtool.com 加入白名单后刷新页面。
- 或升级 Premium（无广告）
- 允许 MiniWebtool.com 显示广告，然后刷新
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
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：
公式
| 属性 | 公式 | 描述 |
|---|---|---|
| \(f(x) = \frac{x^{\alpha-1}(1-x)^{\beta-1}}{B(\alpha,\beta)}\) | 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
- 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。
- 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。
- 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。
- 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
引用此内容、页面或工具为：
"贝塔分布计算器" 于 https://MiniWebtool.com/zh-cn//，来自 MiniWebtool，https://MiniWebtool.com/
由 miniwebtool 团队。更新日期：2026-04-14
您还可以尝试我们的 AI数学解题器 GPT，通过自然语言问答解决您的数学问题。