<?xml version="1.0"?>
<feed xmlns="http://www.w3.org/2005/Atom" xml:lang="zh-Hant-TW">
	<id>https://wiki.taigi.ima.org.tw/w/index.php?action=history&amp;feed=atom&amp;title=%CE%92-%E4%BA%8C%E9%A0%85%E5%BC%8F%E5%88%86%E5%B8%83</id>
	<title>Β-二項式分布 - 修訂紀錄</title>
	<link rel="self" type="application/atom+xml" href="https://wiki.taigi.ima.org.tw/w/index.php?action=history&amp;feed=atom&amp;title=%CE%92-%E4%BA%8C%E9%A0%85%E5%BC%8F%E5%88%86%E5%B8%83"/>
	<link rel="alternate" type="text/html" href="https://wiki.taigi.ima.org.tw/w/index.php?title=%CE%92-%E4%BA%8C%E9%A0%85%E5%BC%8F%E5%88%86%E5%B8%83&amp;action=history"/>
	<updated>2026-05-30T16:04:05Z</updated>
	<subtitle>本 wiki 上此頁面的修訂紀錄</subtitle>
	<generator>MediaWiki 1.43.1</generator>
	<entry>
		<id>https://wiki.taigi.ima.org.tw/w/index.php?title=%CE%92-%E4%BA%8C%E9%A0%85%E5%BC%8F%E5%88%86%E5%B8%83&amp;diff=494086&amp;oldid=prev</id>
		<title>TaiwanTonguesApiRobot：​從 JSON 檔案批量匯入</title>
		<link rel="alternate" type="text/html" href="https://wiki.taigi.ima.org.tw/w/index.php?title=%CE%92-%E4%BA%8C%E9%A0%85%E5%BC%8F%E5%88%86%E5%B8%83&amp;diff=494086&amp;oldid=prev"/>
		<updated>2025-08-23T23:50:01Z</updated>

		<summary type="html">&lt;p&gt;從 JSON 檔案批量匯入&lt;/p&gt;
&lt;p&gt;&lt;b&gt;新頁面&lt;/b&gt;&lt;/p&gt;&lt;div&gt;&amp;#039;&amp;#039;&amp;#039;Β-二項式分布&amp;#039;&amp;#039;&amp;#039;，抑是稱&amp;#039;&amp;#039;&amp;#039;貝塔-二項式分布&amp;#039;&amp;#039;&amp;#039;，是機率論佮統計學中的有限空間取值的一類離散型機率分布函數。伊佮一般兩項式分布的無仝的所在，佇伊雖然嘛是表示一系列已經知影次數的伯仔拍拚實驗的成功機率，但其中的伯仔拍拚實驗的常數變做一个隨機變數。作為過度散布的兩項式分布，Β-二項式分布佇貝氏統計、經驗貝葉斯方法閣經典的統計學中攏定定用著。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
做試驗次數 _ n _=一的時陣，Β-二項式分布退化為伯仔拍拚分布，啊若佇咧 _ α _  =  _ β _=  一的時陣，Β-二項式分布則退化為取值對無到 _ n _ 的離散型較齊勻分布。當 _ α _ 和 _ β _ 有夠大的時陣，伊會當任意逼倚兩項式分布。Β-二項式分布嘛是多變數波利亞分布佇一箍的時陣的狀況，就是正如二項式分布佮 Β 分布分別是濟項分布佮狄利克雷分布佇咧一元時的狀況仝款。&lt;br /&gt;
&lt;br /&gt;
==動差相關性質==&lt;br /&gt;
&lt;br /&gt;
Β-二項式分布的前三个動差分別是：&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
: $ { \ begin { aligned } \ mu _ { 一 } &amp;amp;={ \ frac { n \ alpha } { \ alpha + \ beta } } \ \ [八 pt] \ mu _ { 二 } &amp;amp;={ \ frac { n \ alpha [n ( 一 + \ alpha ) + \ beta] } { ( \ alpha + \ beta ) ( 一 + \ alpha + \ beta ) } } \ \ [八 pt] \ mu _ { 三 } &amp;amp;={ \ frac { n \ alpha [n ^ { 二 } ( 一 + \ alpha ) ( 二 + \ alpha ) + 三 n ( 一 + \ alpha ) \ beta + \ beta ( \ beta-\ alpha )] } { ( \ alpha + \ beta ) ( 一 + \ alpha + \ beta ) ( 二 + \ alpha + \ beta ) } } \ end { aligned } } $&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
啊若峰度是：&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
: $ \ gamma _ { 二 }={ \ frac { ( \ alpha + \ beta ) ^ { 二 } ( 一 + \ alpha + \ beta ) } { n \ alpha \ beta ( \ alpha + \ beta + 二 ) ( \ alpha + \ beta + 三 ) ( \ alpha + \ beta + n ) } } \ left [( \ alpha + \ beta ) ( \ alpha + \ beta 影一 + 六 n ) + 三 \ alpha \ beta ( n 鋪二 ) + 六 n ^ { 二 }-{ \ frac { 三 \ alpha \ beta n ( 六-n ) } { \ alpha + \ beta } }-{ \ frac { 十八 \ alpha \ beta n ^ { 二 } } { ( \ alpha + \ beta ) ^ { 二 } } } \ right] . $&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
設 $ \ pi={ \ frac { \ alpha } { \ alpha + \ beta } } \ ! $ 遐爾數學咧向望會當表示講&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
: $ \ mu={ \ frac { n \ alpha } { \ alpha + \ beta } }=n \ pi \ ! $&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
變化數則是：&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
: $ \ sigma ^ { 二 }={ \ frac { n \ alpha \ beta ( \ alpha + \ beta + n ) } { ( \ alpha + \ beta ) ^ { 二 } ( \ alpha + \ beta + 一 ) } }=n \ pi ( 一-\ pi ) { \ frac { \ alpha + \ beta + n } { \ alpha + \ beta + 一 } }=n \ pi ( 一-\ pi ) [一 + ( n 影一 ) \ rho] \ ! $&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
其中 $ \ rho={ \ tfrac { 一 } { \ alpha + \ beta + 一 } } \ ! $ 是 _ n _ 個伯仔拍拚利變數的關聯繫數，講號做散布係數。&lt;br /&gt;
&lt;br /&gt;
==參見==&lt;br /&gt;
&lt;br /&gt;
* 多變數波利亞分布&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
==參考來源==&lt;br /&gt;
&lt;br /&gt;
* Minka , Thomas P . ( 兩千空三 ) . Estimating a Dirichlet distribution . Microsoft Technical Report .&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
==外部連結==&lt;br /&gt;
&lt;br /&gt;
* 使用 Β-二項式分布來對生物識別設備的性能作出估計&lt;br /&gt;
&lt;br /&gt;
[[分類: 待校正]]&lt;/div&gt;</summary>
		<author><name>TaiwanTonguesApiRobot</name></author>
	</entry>
</feed>