对于初学者来说，贝叶斯推理有着相当的难度的原因：即使在入门部分，也需要用到微积分的思考方式。当然，在标准的统计学（内曼－皮尔逊统计学）中，微积分的运用也是不可缺少的。不过，一般情况我们需要的推理，不一定会用到微积分，而大部分教科书也是采用的这种写法。另一个原因，在本书的后文部分也会涉及：在贝叶斯推理中，即便是入门阶段也不可避免地需要用到微积分。为此，本书选取了一个折中的方案：对概率密度函数进行解说，但不会涉及更深入的微分概念；此外，会针对概率分布图中，概率即面积这一问题进行解说，但也会省略掉如何具体运用积分理论计算面积的过程。总之，会在最大程度上避免涉及太多的微积分概念。
图表17-5 α＝2，β＝2的贝塔分布的概率分布图
17-7 在贝塔分布中，若α、β增大，情况就会变得复杂
截至上一节，我们所讨论过的贝塔分布的例子中，α、β均不大于2，因而图形也相对简单。而如果α、β均大于2，那么就会形成我们不大熟悉的图形。下面，列举一个α、β的数值均比较大的例子，如α＝4、β＝3时的贝塔分布。
y＝60x3（1-x）2 （0≤x≤1） …（9）
如图表17-6所示。
图表17-6 α＝4、β＝3的贝塔分布的概率分布图
第17讲·小结
1．贝塔分布，是x的取幂和（1-x）的取幂相乘的形式。
2．在x的0次幂和（1-x）的0次幂的情况下，与均匀分布相一致。
3．在x的1次幂和（1-x）的0次幂、x的0次幂和（1-x）的1次幂的情况下，概率分布图为线段。
4．在x的1次幂和（1-x）的1次幂的情况下，概率分布图为抛物线。
5．常数是由标准化条件（面积之和为1）决定的。
练习题
答案参见此处
当α＝3、β＝2时，贝塔分布的概率密度表示如下：
y＝12x2（1-x）
此时，计算以下关于x的概率密度。
（3）x＝1的概率密度
