通过MCP连接 →

输入计算

数学公式

广告

结果

不完全贝塔函数 B_x(a,b)
0.0095238095
定积分的值
被积函数 t^(a-1) (1-t)^(b-1)
计算方法 高斯-勒让德求积法
使用的节点数 (n) 20

这个计算器有什么用

本工具用于计算下不完全贝塔函数,其定义为定积分 \(B_x(a,b) = \int_{0}^{x} t^{a-1}(1-t)^{b-1}\, dt\)。被积函数 \(t^{a-1}(1-t)^{b-1}\) 正是贝塔分布与贝塔-二项分布的核函数。当积分上限 \(x = 1\)(下限为 0)时,结果就等于完全贝塔函数 $$B(a,b) = \frac{\Gamma(a)\Gamma(b)}{\Gamma(a+b)}.$$

使用方法

输入两个形状参数:a(变量 a)和 b,两者都应为正数。设定积分区间的下限和上限 x(通常取 0 到 1 之间)。再选择划分数 n——即高斯-勒让德节点的个数。n 越大精度越高;对于光滑的被积函数,\(n = 20\) 已经绰绰有余。把区间保持在 [0, 1],即可得到完全贝塔函数。

公式解析

积分采用高斯-勒让德求积法计算。先用牛顿迭代法求出勒让德多项式 \(P_n\) 的根,得到 \([-1, 1]\) 上的标准节点 \(x_i\) 和权重 \(w_i\),再线性映射到所选区间 \([c, d]\):$$t_i = \frac{d-c}{2}\cdot x_i + \frac{d+c}{2}.$$于是积分近似为 $$\frac{d-c}{2}\cdot \sum w_i\, f(t_i).$$由于高斯-勒让德法能精确积分次数不超过 \(2n-1\) 的多项式,对光滑被积函数收敛极快。

Advertisement
用若干加权采样点近似的曲线下面积
高斯-勒让德求积在最优分布的节点处对被积函数取样,并对加权值求和。
贝塔被积函数曲线,其下方从 0 到 x 的区域被阴影标出
\(B_x(a,b)\) 是 \(t^{a-1}(1-t)^{b-1}\) 下方从 0 到 x 的阴影面积。

实例演算

取 \(a = 3\)、\(b = 5\),区间 [0, 1],\(n = 20\),结果即为完全贝塔函数 $$B(3,5) = \frac{2! \cdot 4!}{7!} = \frac{48}{5040} = 0.0095238095\ldots = \frac{1}{105}.$$求积结果可精确还原到双精度浮点的全部有效位。

常见问题

如果 \(0 < a < 1\) 或 \(0 < b < 1\) 会怎样?此时被积函数在端点处存在可积奇点。由于高斯-勒让德节点都位于区间内部,结果仍然有限,但精度会下降——这时应增大 n。

如何得到正则化不完全贝塔函数 \(I_x(a,b)\)?把本结果除以完全贝塔函数即可(将区间设为 [0, 1] 来计算完全贝塔函数)。

为什么结果有时是负数?如果积分上限小于下限,带符号的积分就是负值,这在数学上是正确的。

最后更新: