Betaverteilung-Rechner

Was ist die Beta-Verteilung?

Die Beta-Verteilung ist eine stetige Wahrscheinlichkeitsverteilung, die auf dem Intervall [0, 1] definiert ist und sich daher ideal zur Modellierung von Wahrscheinlichkeiten, Anteilen und Prozentsätzen eignet. Mit zwei Formparametern ($\alpha$ und $\beta$) kann sie eine bemerkenswerte Vielfalt an Formen annehmen - von gleichförmig über U-förmig bis hin zu stark schief - was sie zu einer der flexibelsten Verteilungen in der Statistik macht.

Die Beta-Verteilung ist zentral für die Bayes'sche Statistik, wo sie als konjugierte Priori-Verteilung für binomiale Anteile dient.

Die Verteilung

Wahrscheinlichkeitsdichtefunktion (PDF)

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

Wobei $B(\alpha, \beta)$ die Beta-Funktion ist:

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

Wichtige Kennzahlen

• Erwartungswert: $\mu = \frac{\alpha}{\alpha + \beta}$
• Varianz: $\sigma^2 = \frac{\alpha\beta}{(\alpha + \beta)^2(\alpha + \beta + 1)}$
• Modus (wenn $\alpha, \beta > 1$): $\frac{\alpha - 1}{\alpha + \beta - 2}$

Auswirkungen der Formparameter

Die Parameter $\alpha$ und $\beta$ bestimmen die Form der Verteilung:

Praktische Anwendungen

Bayes'sche Inferenz für Anteile

Die Beta-Verteilung ist die konjugierte Priori-Verteilung für die Binomialverteilung. Wenn Ihre Priori-Verteilung für eine Wahrscheinlichkeit $p$ gleich $Beta(\alpha, \beta)$ ist und Sie $s$ Erfolge in $n$ Versuchen beobachten, lautet Ihre Posteriori-Verteilung:

$p \mid data \sim Beta(\alpha + s, \beta + n - s)$

Diese elegante Aktualisierung macht Beta-Binomial-Modelle rechnerisch einfach und gut interpretierbar.

A/B-Tests

Bei Bayes'schen A/B-Tests werden Konversionsraten mit Beta-Verteilungen modelliert. Die Wahrscheinlichkeit, dass Variante A Variante B übertrifft, kann direkt aus ihren posterioren Beta-Verteilungen berechnet werden.

Projektmanagement (PERT)

Die Programm-Evaluierungs- und Review-Technik (PERT) verwendet Beta-Verteilungen, um die Unsicherheit bei der Aufgabendauer basierend auf optimistischen, wahrscheinlichsten und pessimistischen Schätzungen zu modellieren.

Maschinelles Lernen

Beta-Verteilungen finden Anwendung in:

• Themenmodellierung (Latent Dirichlet Allocation verwendet Dirichlet, eine multivariate Beta-Verteilung)
• Bayes'schen neuronalen Netzen
• Thompson-Sampling für mehrarmigie Banditen

Sportanalyse

Schlagdurchschnitte, Freiwurfquoten und andere begrenzte Leistungskennzahlen werden natürlicherweise mit Beta-Verteilungen modelliert.

Bayes'sche Interpretation

Betrachten Sie $\alpha$ und $\beta$ als "Pseudo-Zählungen":

• $\alpha - 1$ = Pseudo-Erfolge
• $\beta - 1$ = Pseudo-Misserfolge

Eine $Beta(1, 1)$-Priori (gleichförmig) repräsentiert vollständige Unwissenheit. Eine $Beta(10, 10)$-Priori repräsentiert eine Vorannahme, die bei 0,5 zentriert ist, mit mittlerer Konfidenz.

Beispiel: Ausgehend von $Beta(1, 1)$, nach Beobachtung von 7 Erfolgen und 3 Misserfolgen, ist die Posteriori-Verteilung $Beta(8, 4)$ mit Erwartungswert $8/12 = 0,667$.

Beziehung zu anderen Verteilungen

Gleichverteilung

$Beta(1, 1)$ ist die Gleichverteilung auf [0, 1].

Binomialverbindung

Wenn $X \sim Binomial(n, p)$ und $p \sim Beta(\alpha, \beta)$, ist die Randverteilung von $X$ beta-binomial verteilt.

Ordnungsstatistiken

Die $k$-te Ordnungsstatistik aus $n$ gleichverteilten [0,1]-Stichproben folgt $Beta(k, n-k+1)$.

Verbindung zur F-Verteilung

Wenn $X \sim Beta(\alpha, \beta)$, dann folgt $\frac{X}{1-X} \cdot \frac{\beta}{\alpha}$ einer F-Verteilung.

Parameterschätzung

Bei gegebenen Daten können $\alpha$ und $\beta$ geschätzt werden mit:

Momentenmethode: $\hat{\alpha} = \bar{x}\left(\frac{\bar{x}(1-\bar{x})}{s^2} - 1\right)$ $\hat{\beta} = (1-\bar{x})\left(\frac{\bar{x}(1-\bar{x})}{s^2} - 1\right)$

Maximum-Likelihood: Numerische Optimierung der Log-Likelihood-Funktion.

Berechnung von Wahrscheinlichkeiten

Die Verteilungsfunktion (unvollständige Beta-Funktion) erfordert numerische Methoden:

$F(x; \alpha, \beta) = I_x(\alpha, \beta) = \frac{B(x; \alpha, \beta)}{B(\alpha, \beta)}$

Quantile (inverse Verteilungsfunktion) erfordern ebenfalls numerische Inversion.

Verwandte Berechnungen

• Bayes'scher A/B-Test-Rechner — Verwendet Beta-Posteriori-Verteilungen
• Bayes'scher Anteilsrechner — Beta-Binomial-Inferenz
• Binomialverteilungs-Wahrscheinlichkeitsrechner — Likelihood für Beta-Priori-Verteilungen

Zusammenfassung

Die Flexibilität und mathematische Handhabbarkeit der Beta-Verteilung machen sie unverzichtbar für die Modellierung von Wahrscheinlichkeiten und Anteilen. Ihre Rolle als konjugierte Priori-Verteilung für Binomialdaten macht sie grundlegend für die Bayes'sche Statistik und ermöglicht elegante analytische Lösungen für die Anteilsschätzung. Ob Sie A/B-Tests durchführen, probabilistische Modelle erstellen oder Unsicherheit bei begrenzten Größen quantifizieren - die Beta-Verteilung bietet einen fundierten und praktischen Rahmen.