贝塔分布计算器

根据形状参数计算贝塔分布的PDF、CDF、均值、方差与众数。

贝塔分布特征
输入正数alpha和beta参数,以及零至一之间的求值点。

关于贝塔分布

贝塔分布是定义在零至一区间上的连续概率分布。两个正的形状参数通常称为alpha和beta,用于控制分布形状。这种灵活性使其适合为概率、比例、转化率、可靠性及其他具有自然上下界的量建模。当alpha和beta都为一时,密度均匀分布;当两者相等且大于一时,形成对称的峰形;两者不相等时,则形成左偏或右偏分布。 概率密度函数为x的(alpha−一)次方乘以(一−x)的(beta−一)次方,再除以贝塔函数B(alpha, beta)。密度描述某点附近的相对集中程度,本身并不是连续变量恰好取该值的概率。累积分布函数给出服从贝塔分布的随机变量小于或等于x的概率。本计算器使用正则化不完全贝塔函数计算CDF,并报告指定点的PDF和CDF。 多个实用统计量可直接由形状参数得到。均值为alpha除以(alpha+beta);方差为alpha乘以beta,再除以[(alpha+beta)的平方乘以(alpha+beta+一)]。当两个参数都大于一时,区间内部的众数为(alpha−一)除以(alpha+beta−二)。若任一参数不大于一,最大密度可能出现在一个边界或两个边界,因此计算器将这个简单的内部众数标为未定义。 贝塔分布在贝叶斯推断中十分重要,因为它是伯努利及二项似然的共轭先验。先验Beta(alpha, beta)经过s次成功与f次失败更新后,变为Beta(alpha + s, beta + f)。这使得针对比率的概率模型既易于解释又高效,同时表达不确定性,而非只提供点估计。该分布也用于项目建模、次序统计量及随机数生成。应根据应用选择参数,并记住alpha和beta是形状参数,不是概率。用PDF比较相对密度,用CDF计算阈值概率,用各阶矩概括位置与离散程度。

贝塔分布示例

以下参数组合展示常见的对称和偏斜形状。

参数 (α, β, x)部分结果形状
2, 2, 0.5PDF 1.5;CDF 0.5;均值0.5以二分之一为中心的对称峰形。
2, 5, 0.3PDF 2.1609;CDF 0.579825;均值0.285714集中在较小值附近的右偏分布。
5, 2, 0.7PDF 2.1609;CDF 0.420175;均值0.714286Beta(2, 5)的镜像。

如何计算贝塔分布概率

  1. 输入正的alpha形状参数。
  2. 输入正的beta形状参数。
  3. 输入零至一之间的x值,作为分布的求值点。
  4. 选择“计算分布”,查看密度、累积概率及汇总统计量。

常见问题

alpha和beta控制什么?

它们控制分布的集中程度与偏斜程度。两者的相对大小决定概率质量偏向零还是一,而总和较大时通常更集中。

PDF可以大于一吗?

可以。概率密度可超过一,因为概率由曲线下面积表示。零至一区间内的总面积始终恰好为一。

CDF结果表示什么?

CDF是服从贝塔分布的变量小于或等于输入x值的概率,始终在零至一之间。

为什么众数可能未定义?

常见的内部众数公式要求两个形状参数都大于一。其他参数组合的最大密度会出现在一个边界或两个边界。

贝塔分布如何用于贝叶斯分析?

它常用于表示未知伯努利成功概率的不确定性。成功和失败次数可直接更新两个形状参数。