Beta dağılımı hesaplayıcısı
0 ile 1 arasındaki herhangi bir oran için beta dağılımının yoğunluğunu, birikimli ve kuyruk olasılıklarını, aralık olasılığını, ortalamasını, varyansını ve modunu hesaplamak üzere α ve β şekil parametrelerini girin.
Beta olasılıklarını, yoğunluğunu ve momentlerini hesaplayın
Beta dağılımı formülü
Burada:
- α, β — her ikisi de 0'dan büyük olan şekil parametreleri
- α, 1'e yakın değerlerin; β ise 0'a yakın değerlerin ağırlığını belirler
- α = β = 1 olduğunda [0, 1] aralığında düzgün dağılım elde edilir
- α = β olduğunda merkezi 0,5 olan simetrik, çan eğrisi biçiminde bir dağılım elde edilir
- α, β < 1 olduğunda olasılığın iki uç noktaya yakın değerlerde toplandığı U biçiminde bir dağılım elde edilir
- Mod yalnızca α > 1 ve β > 1 olduğunda vardır
Yoğunluk, [0, 1] aralığındaki her x oranının Beta(α, β) dağılımına göre ne kadar olası olduğunu gösterir. Birikimli dağılım fonksiyonu F(x), düzenlenmiş tamamlanmamış beta fonksiyonu \(I_x(α, β)\) ile ifade edilir. Aralık olasılıkları ise \(P(a \le X \le b) = F(b) - F(a)\) bağıntısıyla hesaplanır.
Beta dağılımı; oranlar, paylar ve olasılıklar gibi [0, 1] aralığında değer alan nicelikleri modellemek için yaygın olarak kullanılır. Bayes analizinde binom dağılımındaki başarı olasılığı için doğal önsel ve sonsal dağılımdır.
Beta dağılımı – hesaplama örneği
{wp_code}
Örnek: Bir dönüşüm oranının sonsal dağılımı Beta(2, 5) olsun. Dağılımı x = 0,3 noktasında değerlendirelim.
\[ B(2, 5) = \frac{Γ(2)Γ(5)}{Γ(7)} = \frac{1 \cdot 24}{720} = \frac{1}{30} \]
\[ f(0.3) = 30 \cdot 0.3^1 \cdot 0.7^4 = 30 \cdot 0.3 \cdot 0.2401 = 2.1609 \]
\[ F(0.3) = 1 - (1-0.3)^5(1 + 5 \cdot 0.3) = 1 - 0.16807 \cdot 2.5 = 0.57983 \]
\[ \text{Ortalama} = \frac{2}{7} = 0.28571, \quad σ^2 = \frac{10}{392} = 0.02551, \quad \text{Mod} = \frac{1}{5} = 0.2 \]
Sonuç: f(0,3) ≈ 2,1609; P(X ≤ 0,3) ≈ 0,57983 (%57,98); P(X > 0,3) ≈ 0,42018; ortalama 0,28571; varyans 0,02551; mod 0,2. Aralık moduna geçip a = 0,2 ve b = 0,5 girildiğinde P(0,2 ≤ X ≤ 0,5) = F(0,5) − F(0,2) = 0,89063 − 0,34464 = 0,54599, yani yaklaşık %54,6 elde edilir.
Hesaplayıcı nasıl kullanılır?
- Alfa şekil parametresini (α) ve Beta şekil parametresini (β) girin. Her ikisi de pozitif olmalıdır.
- Ne hesaplayacağınızı seçin: Bir noktadaki yoğunluk ve kuyruk olasılıkları için Tek bir x oranında, iki oran arasındaki olasılık için [a, b] aralığında seçeneğini kullanın.
- Oran x değerini (0 ile 1 arasında) veya aralığın Alt sınırını ve Üst sınırını girin.
- Yoğunluk, birikimli olasılık P(X ≤ x), üst kuyruk olasılığı P(X > x), aralık olasılığı, ortalama, varyans ve mod sonuçlarını kısa açıklamalarıyla birlikte inceleyin.
Beta dağılımı nedir?
Beta dağılımı, [0, 1] aralığında tanımlı bir sürekli olasılık dağılımları ailesidir. Bu sınırlı değer aralığı sayesinde dönüşüm oranı, pazar payı, test doğruluğu, kusurlu ürün oranı veya bilinmeyen bir olasılığın kendisi gibi kesir ya da yüzdeyle ifade edilen nicelikleri modellemek için sıkça kullanılır.
İki şekil parametresi, dağılıma geniş bir biçim çeşitliliği kazandırır. α = β = 1 olduğunda sabit yoğunluklu düzgün dağılım elde edilir. α = β > 1 olduğunda dağılım, merkezi 0,5 olan simetrik bir çan eğrisi biçimini alır. Parametreler eşit değilse dağılım 0'a veya 1'e doğru çarpıklaşır; her iki parametre de 1'in altındaysa olasılığın uç noktalara yakın toplandığı bir U biçimi ortaya çıkar. Bu esneklik nedeniyle beta dağılımı, Bayes istatistiğinden proje yönetimine (PERT) ve Bayesçi A/B testlerine kadar pek çok alanda kullanılır.
En önemli kullanım alanı Bayesçi çıkarımdır. Beta dağılımı, binom dağılımının eşlenik önsel dağılımıdır: Başarı olasılığı için Beta(α₀, β₀) önsel dağılımıyla başlayıp s başarı ve n − s başarısızlık gözlemlerseniz sonsal dağılım tam olarak Beta(α₀ + s, β₀ + n − s) olur. Örneğin, düzgün Beta(1, 1) önsel dağılımı ve 20 denemede 5 başarı, Beta(6, 16) sonsal dağılımını verir. Bu dağılımın kuyruk olasılıklarını doğrudan bu hesaplayıcıdan görebilirsiniz; %95'lik bir güvenilirlik aralığı, olasılık kütlesinin ortadaki %95'ini kapsar. Bu güncellemenin temelindeki mantık için Bayes teoremi hesaplayıcısına bakın.
Sonuçlar nasıl yorumlanır?
Yoğunluk f(x), eğrinin x noktasındaki yüksekliğidir; tek başına bir olasılık değildir, ancak değerinin yüksek olması x'e yakın değerlerin daha olası olduğunu gösterir. Birikimli olasılık F(x), niceliğin en fazla x olma olasılığıdır. Üst kuyruk olasılığı ise bunun tümleyeni olan 1 − F(x)'tir. Bu değerlerle “Dönüşüm oranının %20'nin altında olma olasılığı nedir?” veya “%30'u aşma olasılığı nedir?” gibi soruları yanıtlayabilirsiniz.
Ortalama α/(α+β), dağılımın denge noktasıdır; Bayesçi analizde ise oranın sonsal tahminidir. α + β büyüdükçe varyans azalır. Bu nedenle daha fazla veriyle birlikte büyüyen sonsal parametreler, daha kesin çıkarımlar sağlar. Mod, en olası tek değerdir ve yalnızca iki parametre de 1'den büyük olduğunda vardır. α = β = 1 özel durumunu görmek için Düzgün dağılım hesaplayıcısıyla, üst sınırı olmayan benzer bir dağılımı incelemek için de Gama dağılımı hesaplayıcısıyla karşılaştırın.
İpuçları, varsayımlar ve sınırlamalar
- Dağılım yalnızca [0, 1] aralığında tanımlıdır. İncelediğiniz nicelik daha geniş bir aralıkta değer alıyorsa önce ölçeğini bu aralığa dönüştürün veya başka bir dağılım ailesi kullanın.
- Şekil parametreleri kesinlikle pozitif olmalıdır. Hesaplayıcı, Bayesçi önsel dağılımlarda yaygın olan kesirli değerler de dâhil olmak üzere her pozitif değeri kabul eder (örneğin, Jeffreys önsel dağılımı Beta(0,5; 0,5)).
- α < 1 veya β < 1 olduğunda yoğunluk, ilgili uç noktada sınırsızdır (sonsuza gider). Hesaplayıcının bunu göstermesi matematiksel olarak normaldir.
- Aralık modunda üst sınır alt sınırdan büyük olmalı ve her iki sınır da [0, 1] aralığında bulunmalıdır.
- Bayesçi uygulamalarda veri az olduğunda önsel parametrelerin seçimi önemlidir. Düzgün Beta(1, 1) önsel dağılımı ile Jeffreys Beta(0,5; 0,5) önsel dağılımı, yalnızca birkaç gözlemden sonra belirgin biçimde farklı sonuçlar verebilir.
- Tümleyen birikimli değer S(x) = P(X > x), tek taraflı sorularda işe yarar. İki taraflı sorular için doğrudan aralık modunu kullanabilirsiniz.
Sıkça Sorulan Sorular
Beta dağılımı olasılıklarını elle nasıl hesaplarım?
\( B(\alpha,\beta)=\Gamma(\alpha)\Gamma(\beta)/\Gamma(\alpha+\beta) \) olmak üzere \( f(x) = x^{\alpha-1}(1-x)^{\beta-1}/B(\alpha,\beta) \) yoğunluk fonksiyonunu kullanın. Tam sayı parametrelerde birikimli dağılım fonksiyonu bir binom toplamına indirgenir: \(\beta\) bir tam sayıysa \( F(x) = \sum_{j=\alpha}^{\alpha+\beta-1} \binom{\alpha+\beta-1}{j} x^j (1-x)^{\alpha+\beta-1-j} \). Bu nedenle Beta(2, 5) için \( F(0.3) = 1 - 0.7^5(1+5\cdot 0.3) \) elde edilir. Tam sayı olmayan parametrelerde ise hesaplayıcının sayısal olarak değerlendirdiği tamamlanmamış beta fonksiyonuna ihtiyaç duyarsınız.
Durumuma uygun alfa ve beta değerlerini nasıl seçerim?
Oranlar için pratik bir kural şudur: Merkezi 0,5 olan simetrik bir önsel görüş için \(\alpha = \beta\) seçin. Aksi hâlde \(\alpha\) ve \(\beta\) değerlerini, \(\alpha/(\alpha+\beta)\) en iyi tahmininize eşit olacak ve \(\alpha+\beta\) bu tahmine duyduğunuz güveni yansıtacak şekilde belirleyin. Küçük toplamlar (2 gibi) belirsiz, büyük toplamlar (50 gibi) güçlü bir önsel görüşü ifade eder. Bayes analizinde ön bilginiz yoksa düzgün Beta(1, 1) veya Jeffreys Beta(0,5; 0,5) önsel dağılımı sık kullanılan seçeneklerdir.
Yoğunluk 1'den büyük olabilir mi? Bu bir hata mı?
Hayır, yoğunluğun 1'den büyük olması tamamen geçerlidir. Yoğunluk bir olasılık değil, eğrinin yüksekliğidir; yalnızca eğrinin altındaki toplam alanın 1 olması gerekir. Beta(2, 5) dağılımının yoğunluğu x = 0,3 noktasında yaklaşık 2,16'ya ulaşır. Dar bir aralıkta yoğunlaşan dağılımların tepe değeri 10 veya daha yüksek olabilir. Yalnızca birikimli olasılıklar ve aralık olasılıkları 0 ile 1 arasında olmalıdır. Hesaplayıcının \(\alpha < 1\) veya \(\beta < 1\) durumunda 0 ya da 1 noktasında sonsuz göstermesi de matematiksel olarak doğrudur.
Bir oranı Bayesçi yöntemle güncellemek için beta dağılımını nasıl kullanırım?
Beta(\(\alpha_0, \beta_0\)) önsel dağılımıyla başlayın. \(n\) denemede \(s\) başarı ve \(f\) başarısızlık gözlemlediğinizde sonsal dağılım doğrudan Beta(\(\alpha_0 + s, \beta_0 + f\)) olur. Sonsal ortalamayı, kuyruk olasılıklarını ve güvenilirlik aralıklarını görmek için güncellenmiş parametreleri hesaplayıcıya girin. Örneğin, düzgün bir önsel dağılım ve 20 denemede 5 başarı, Beta(6, 16) sonsal dağılımını verir. Eşleniklik sayesinde karmaşık integral hesapları gerekmez.
Oran yerine yüzde girebilir miyim?
Şekil parametrelerini sayı olarak, \(x\) oranını ise 0 ile 1 arasında bir değer olarak girin. Yani %30 için 30 değil, 0,3 girin. Beta dağılımı yalnızca [0, 1] aralığında tanımlı olduğundan bu aralığın dışındaki değerler kabul edilmez. Ondalık olarak verilen olasılık sonuçlarını yüzdeye çevirmek için 100 ile çarpın: 0,57983 birikimli olasılık, %57,98 demektir. Ortalama ve mod da birer orandır; 0,28571 ortalama, %28,57'ye karşılık gelir.
Mod neden bazen yoktur?
\( (\alpha-1)/(\alpha+\beta-2) \) mod formülü yalnızca iki parametre de 1'den büyük olduğunda geçerlidir. \(\alpha \le 1\) olduğunda yoğunluk 0'a doğru azalır (veya 0 noktasında sonsuza gider); \(\beta \le 1\) olduğunda ise 1'e doğru artar. Dolayısıyla aralığın içinde bir tepe noktası bulunmaz; en olası değer uç noktalardan birindedir. Her iki parametre de 1'in altındaysa dağılım U biçimindedir ve olasılık hem 0 hem de 1 yakınında toplanır. Hesaplayıcı bu durumlarda mod yerine tire gösterir.
Güvenilirlik aralığı ile güven aralığı arasındaki fark nedir?
Bu hesaplayıcıda beta sonsal dağılımından elde edilen P(a ≤ X ≤ b) aralık olasılığı, bir güvenilirlik aralığı olarak yorumlanır: Veriler ve önsel dağılım dikkate alındığında parametrenin a ile b arasında bulunma olasılığını belirtir. Klasik güven aralığı ise parametrenin kendisi hakkında böyle bir olasılık ifade etmez; kullanılan yöntemin uzun vadede doğru aralığı kapsama sıklığını tanımlar. Sonuçları aktarırken bu ayrım önemlidir: Bayesçi aralıklar, insanların genellikle sormak istediği soruyu yanıtlar.