Todennäköisyysjakauma
Satunnaismuuttujalla
, joka on Beta-jakautunut ja jolla perusjoukko on
[0,1], on kaksi positiivista parametria
ja
. Niiden avulla Beta-jakauman tiheysfunktio määritellään
missä niin sanottu beta-funktio on
jossa
taas on gammafunktio. Beta-funktion tarkoituksena on "normalisoida" beta-jakauma niin, että sen tiheysfunktion määrätty integraali koko reaalialueen yli on tasan yksi.
Toisinaan joskus parametrien arvoista vähennetään yksi (
ja
), jotta tiheysfunktion ja momenttifunktion kaavat yksinkertaistuisivat hieman.
Beta-jakauman tiheysfunktiolla on seuraavanlaisia ominaisuuksia:
kaikilla ![{\displaystyle x\in [0,1]}](https://wikimedia.org/api/rest_v1/media/math/render/svg/64a15936df283add394ab909aa7a5e24e7fb6bb2)
- Jos
ja
, niin
on aidosti kasvava ja sen maksimikohta on välin päätepisteessä 
- Jos
ja
, niin
on aidosti vähenevä ja sen maksimikohta on välin päätepisteessä 
- Jos
ja
, niin
on yksihuippuinen ja sen maksimikohta on välin sisäpisteessä 
- Jos
ja
, niin
on U:n muotoinen ja sillä on lokaalit maksimikohdat on välin päätepisteissä
ja 
on symmetrinen, jos 
Beta-jakauman kertymäfunktion lauseketta ei ole mahdollista kirjoittaa eksplisiittiseen muotoon, koska sen tiheysfunktion integraalifunktiota ei voi kirjoittaa lausekkeeksi alkeisfunktioiden avulla. Ne onkin tapana esittää vain numeerisessa muodossa aivan kuten toimitaan normaalijakaumassakin.
Tunnusluvut ja momentit
Momenttifunktio
Momenttifunktio eli momentit generoiva funktio saadaan määritelmästä

Sen avulla voidaan määritellä origomomentit ja keskusmomentit. Origomomenttien yleinen muoto on
ja koska gammafunktiolla on
, siitä saadaan ensimmäiset momentit

ja

Keskusmomenttien yleinen muoto on
- ;{\frac {\alpha +\beta }{\alpha }}\right),}

missä
on hypergeometrinen funktio.
Ensimmäinen origomomentti voidaan laskea myös suoraan

Tunnuslukuja
Jakauman odotusarvo saadaan ensimmäisestä origomomentista
Sen varianssi on taas suoraan toinen keskusmomentti
Jakauman tiheysfunktion vinous määritetään kahden keskumomentin avulla
Vinous on nolla, mikä näkyy tasajakauman tiheysfunktion kuvaajasta, joka on täysin symmetrinen.
Jakauman huipukkuus määritetään kahden keskusmomentin avulla
Negativinen huipukkuus näkyy tiheysfunktion kuvaajassa siten, että kuvaaja on "tasa- ja litteäpäinen" eikä terävää kärkeä esiinny ollenkaan.
Jakauman moodi sijaitsee välin [0,1] sisäpisteessä, kun
ja 

Jos
tai
voi moodi sijaita välin päätepisteessä. Kun
on jakauma tasajakauma ja kaikki pisteet ovat moodi.
Esimerkkejä
Tarkastellaan toistokoetta, jonka yksittäisen kolikonheiton arvoksi voi tulla vain "kruuna" tai "klaava" todennäköisyyksillä
ja
. Heittojen kokonaismäärän ollessa
, noudattaa saatujen kruunujen yhteismäärät
binomijakaumaa
. Jos halutaan selvittää "kruunan" todennäköisyyttä
, kun saadaan
"kruunaa", on se Beta-jakautunut
.
Edellinen ongelma on perinteisesti ratkaistu käyttäen normaalijakaumaa, mutta Beta-jakauma antaa silloin oikean tuloksen, kun se määritellään

Normaalijakauma antaa harhaisen tuloksen, mikäli toistojen lukumäärä
on pieni ja suhde
on lähellä arvoa 0 tai 1.
Beta-jakaumaa tulisi käyttää normaalijakauman sijasta approksimoitaessa binomijakaumaa epäsymmetrisissä tiheysjakauman tilanteissa. Esimerkiksi epäsymmetrisessä ja kahta arvoa antavassa satunnaistapauhtumassa kannattaa käyttää diskreetin binomijakauman approksimoimiseksi jatkuvaa Beetta-jakaumaa. Yleensä binomijakaumaa approksimoidaan normaalijakaumalla, mutta se ei toimi kunnolla, kun toista arvoa esiintyy tuntuvasti enemmän kuin toista.
Beta-jakaumaa voidaan käyttää arvioitaessa tasajakaumien
arvoja. Arvotaan n satunnaismuuttujalle
arvot
. Arvot lajitellaan suuruusjärjestykseen, jolloin arvo merkitään uudella tavalla
kun se on järjestyksessä i:nnes. (eli
<
< ... <
). Silloin arvo
kun
.