Калькулятор бета-распределения
Рассчитайте вероятности для бета-распределения с параметрами формы α и β. Получите P(X ≤ x), P(X ≥ x) или P(a ≤ X ≤ b) с интерактивными графиками PDF/CDF, заштрихованными областями вероятности, пошаговыми решениями MathJax и свойствами распределения, включая среднее значение, дисперсию, моду и асимметрию.
Ваш блокировщик рекламы мешает показывать объявления
MiniWebtool бесплатен благодаря рекламе. Если этот инструмент помог, поддержите нас через Premium (без рекламы + быстрее) или добавьте MiniWebtool.com в исключения и обновите страницу.
- Или перейдите на Premium (без рекламы)
- Разрешите показ рекламы на MiniWebtool.com, затем перезагрузите страницу.
О Калькулятор бета-распределения
Калькулятор бета-распределения вычисляет вероятности, визуализирует функцию плотности вероятности (PDF) и интегральную функцию распределения (CDF), а также отображает свойства распределения для бета-распределения \(X \sim \text{Beta}(\alpha, \beta)\). Введите параметры формы \(\alpha\) и \(\beta\), а также значение \(x \in [0, 1]\), чтобы получить \(P(X \leq x)\), \(P(X \geq x)\) или \(P(a \leq X \leq b)\) вместе с пошаговыми решениями, интерактивными графиками и основными статистическими данными, такими как среднее значение, дисперсия, мода и асимметрия.
Что такое бета-распределение?
Бета-распределение — это непрерывное распределение вероятностей, определенное на интервале \([0, 1]\) с двумя положительными параметрами формы \(\alpha\) (альфа) и \(\beta\) (бета). Его функция плотности вероятности (PDF) имеет вид:
$$f(x;\,\alpha,\beta) = \frac{x^{\alpha-1}(1-x)^{\beta-1}}{B(\alpha,\beta)}, \quad 0 \leq x \leq 1$$
где \(B(\alpha,\beta) = \frac{\Gamma(\alpha)\,\Gamma(\beta)}{\Gamma(\alpha+\beta)}\) — это бета-функция. Бета-распределение чрезвычайно универсально: варьируя \(\alpha\) и \(\beta\), можно моделировать равномерное, колоколообразное, U-образное или J-образное распределение, что делает его одним из важнейших распределений в теории вероятностей и статистике.
Ключевые свойства
Галерея форм — Как α и β влияют на распределение
Бета-распределение принимает совершенно разные формы в зависимости от своих параметров:
Формулы
| Свойство | Формула | Описание |
|---|---|---|
| \(f(x) = \frac{x^{\alpha-1}(1-x)^{\beta-1}}{B(\alpha,\beta)}\) | Плотность вероятности в точке x | |
| CDF | \(F(x) = I_x(\alpha,\beta)\) | Регуляризованная неполная бета-функция |
| Среднее | \(\mu = \frac{\alpha}{\alpha+\beta}\) | Математическое ожидание |
| Дисперсия | \(\sigma^2 = \frac{\alpha\beta}{(\alpha+\beta)^2(\alpha+\beta+1)}\) | Разброс распределения |
| Мода | \(\frac{\alpha-1}{\alpha+\beta-2}\) (если α, β > 1) | Наиболее вероятное значение |
| Асимметрия | \(\frac{2(\beta-\alpha)\sqrt{\alpha+\beta+1}}{(\alpha+\beta+2)\sqrt{\alpha\beta}}\) | Мера асимметрии |
| Бета-функция | \(B(\alpha,\beta) = \frac{\Gamma(\alpha)\Gamma(\beta)}{\Gamma(\alpha+\beta)}\) | Нормировочная константа |
Байесовская интерпретация
Бета-распределение занимает центральное место в байесовской статистике, так как оно является сопряженным априорным для распределений Бернулли и биномиального. Если априорное убеждение о вероятности \(p\) выражено как \(\text{Beta}(\alpha, \beta)\), и вы наблюдаете \(s\) успехов в \(n\) испытаниях, то обновленное (апостериорное) убеждение будет:
$$p \mid \text{data} \sim \text{Beta}(\alpha + s, \; \beta + n - s)$$
Это элегантное правило обновления — причина, по которой бета-распределение является стандартом для моделирования неопределенности вероятностей. Типичные априорные распределения:
| Название | Параметры | Когда использовать |
|---|---|---|
| Равномерное | Beta(1, 1) | Нет априорной информации — все вероятности равновероятны |
| Априор Джеффриса | Beta(0.5, 0.5) | Неинформативное априорное с хорошими мат. свойствами |
| Априор Халдейна | Beta(0, 0) (несобств.) | Максимально неинформативное — для формального анализа |
| Слабо информ. | Beta(2, 2) | Небольшое предпочтение значениям около 0.5 |
Применение в реальном мире
| Область | Что моделирует X | Пример |
|---|---|---|
| A/B тестирование | Вероятность конверсии | Оценка CTR для двух вариантов веб-сайта |
| Контроль качества | Доля бракованных изделий | Моделирование уровня дефектов в производстве |
| Спортивная аналитика | Вероятность победы / ср. балл | Оценка истинного среднего показателя отбивания игрока |
| Страхование | Вероятность страхового случая | Моделирование доли застрахованных лиц, подавших иск |
| Генетика | Частота аллелей | Моделирование частоты варианта гена в популяции |
| Машинное обучение | Уверенность модели | Априорное распределение параметров в байесовских классификаторах |
Бета-распределение vs. Другие распределения
| Характеристика | Бета | Нормальное | Равномерное |
|---|---|---|---|
| Область определения | [0, 1] | (−∞, +∞) | [a, b] |
| Параметры | α, β (форма) | μ, σ (положение, масштаб) | a, b (границы) |
| Гибкость формы | Очень высокая | Всегда колокол | Всегда плоское |
| Лучшее для | Пропорций, вероятностей | Неограниченных измерений | Равновероятных сценариев |
| Байесовское исп. | Априор для Бернулли | Априор для Нормального (изв. σ) | Неинформативный априор |
Как использовать калькулятор бета-распределения
- Введите параметры формы α и β: Оба должны быть положительными числами. α управляет весом ближе к 1, а β — весом ближе к 0. Для симметричного распределения установите α = β.
- Выберите тип вероятности: Выберите P(X ≤ x) для интегральной вероятности, P(X ≥ x) для функции выживания или P(a ≤ X ≤ b) для вероятности в диапазоне.
- Введите значение x или диапазон: Значения должны быть в пределах от 0 до 1. Для вероятности диапазона введите нижнюю границу a и верхнюю границу b.
- Ознакомьтесь с результатами: Изучите значение вероятности, индикатор формы, графики PDF и CDF, свойства (среднее, дисперсия, мода) и полное пошаговое решение.
FAQ
Ссылайтесь на этот контент, страницу или инструмент так:
"Калькулятор бета-распределения" на сайте https://ru.miniWebtool.com// от MiniWebtool, https://MiniWebtool.com/
от команды MiniWebtool. Обновлено: 2026-04-14
Вы также можете попробовать наш AI Решатель Математических Задач GPT, чтобы решить ваши математические проблемы с помощью вопросов и ответов на естественном языке.