免费Beta分布计算器

本文介绍的Beta分布计算器是一种专门的概率分布计算器，专注于Beta分布族——统计学中使用最为灵活的连续分布族之一。它可以生成用户指定的Beta分布的概率密度函数(PDF)和累积分布函数(CDF)的图形输出，并计算概率、均值、方差、偏度等关键量。无论您是刚接触Beta分布，还是需要快速数值结果，该工具都提供了一种交互方式，让您探索形状参数α和β如何影响分布的行为。

什么是Beta分布？

Beta分布定义了一个连续概率分布族，其支撑区间为$[0,1]$。该分布族之所以如此有价值，在于它可以呈现极其多样的形状：取决于两个正参数α和β（称为形状参数），密度函数可以是对称的、左偏或右偏的、单峰的、双峰的、U形的，甚至是一条直线。这种灵活性使其成为比例、概率以及其他介于0和1之间的量的自然模型。

PDF和CDF公式

Beta分布的概率密度函数(PDF)由下式给出：

$$f(x; \alpha, \beta) = \frac{x^{\alpha-1} (1-x)^{\beta-1}}{B(\alpha, \beta)}, \qquad 0 \le x \le 1,\ \alpha>0,\ \beta>0,$$

其中归一化常数$B(\alpha,\beta)$是Beta函数，可以用Gamma函数表示：

$$B(\alpha,\beta) = \frac{\Gamma(\alpha)\,\Gamma(\beta)}{\Gamma(\alpha+\beta)}.$$

累积分布函数(CDF)及其反函数（分位数函数）没有简单的封闭形式；它们由计算器数值求解。

如何使用此计算器

使用该工具非常简单：

• 选择模式：概率计算、样本生成、PDF、CDF、分位数函数或常用度量。
• 输入形状参数α和β（均>0）。
• 对于概率、PDF、CDF或分位数模式，提供自变量x的值（介于0和1之间）。
• 对于样本生成，指定想要的随机数个数。
• 结果——图形和数值——会即时显示。

典型形状示例

Beta分布可以呈现多种形式。以下是α和β的代表性组合。

对称 (α = β)

• α = β = 0.5 → U形密度（在0和1附近有峰值）
• α = β = 1 → 标准均匀分布
• α = β = 2 → 抛物线（钟形）形状
• α = β = 6 → 钟形，接近正态
• α = β → ∞ → 分布塌缩到x = 0.5处一点（迪拉克δ）

偏斜 (α ≠ β)

• α = 0.7, β = 0.8 → 轻微U形，右偏
• α = 2, β = 5 → 右偏单峰
• α = 0.5, β = 2 → J形（递减）
• α = 1, β = 2 → 向下倾斜的直线
• α = 1, β = 5 → 严格递减

如果α < β，分布右尾（正偏度）；交换两个参数将得到镜像的左尾分布。

关键统计度量

Beta分布的若干重要特征可以直接从α和β计算：

均值（期望值）

$$\mu = \frac{\alpha}{\alpha+\beta}$$

方差

$$\sigma^{2} = \frac{\alpha\beta}{(\alpha+\beta)^{2}(\alpha+\beta+1)}$$

偏度

$$\gamma_{1} = \frac{2(\beta-\alpha)\sqrt{\alpha+\beta+1}}{(\alpha+\beta+2)\sqrt{\alpha\beta}}$$

众数（当$\alpha>1$且$\beta>1$时）

$$\text{Mode} = \frac{\alpha-1}{\alpha+\beta-2}$$

中位数没有简单的封闭形式，除非在对称情况下（α = β）为0.5。

在贝叶斯推断中的作用

Beta分布是贝叶斯统计学中先验分布的热门选择，因为它是几种似然函数——具体是二项分布、负二项分布和几何分布——的共轭先验。当使用Beta先验与其中一种似然时，后验分布也是Beta分布，更新仅涉及将成功次数加到α上，将失败次数（或试验次数，视情况而定）加到β上。这一特性消除了在计算后验时进行昂贵的数值积分的需要。