贝塔分布详解：定义、公式、应用与示例

贝塔分布 (Beta distribution) 是一种连续概率分布，用于描述在一个有限区间内取值的随机变量的概率分布。贝塔分布的定义域是 [0, 1]，其形状由两个形状参数（shape parameters）α 和 β 决定。

贝塔分布的概率密度函数 (probability density function, PDF) 如下所示：

f(x; α, β) = (1/B(α, β)) * x^(α-1) * (1-x)^(β-1)

其中，B(α, β) 是贝塔函数 (Beta function)，定义为：

B(α, β) = Γ(α) * Γ(β) / Γ(α+β)

其中，Γ(α) 是伽玛函数 (Gamma function)，定义为：

Γ(α) = ∫[0, ∞] x^(α-1) * e^(-x) dx

贝塔分布的期望值 (mean) 和方差 (variance) 可以通过形状参数 α 和 β 计算：

E(X) = α / (α + β)

Var(X) = α * β / [(α + β)^2 * (α + β + 1)]

贝塔分布的形状取决于形状参数 α 和 β 的值。当 α=β=1 时，贝塔分布退化为均匀分布。当 α>1 且 β>1 时，贝塔分布呈现出明显的钟形曲线，且分布的峰值在 0 和 1 之间。当 α<1 且 β<1 时，贝塔分布呈现出 U 形曲线，且分布的峰值在 0 和 1 之间。

贝塔分布在统计学和概率论中具有广泛的应用。它可以用于描述概率、风险、成功率等随机变量的分布情况。在贝叶斯统计中，贝塔分布是二项分布的共轭先验分布，因此在贝叶斯推断中经常被用作参数的先验分布。