1、贝塔散布是一个作为伯努利散布和二项式散布的共轭先验散布的密度函数，在机器学习和数理计算学中有重要使用。在概率论中，贝塔散布，也称Β散布，是指一组界说在(0,1) 区间的接连概率散布。
2、爱尔郎散布与指数散布相同多用来表明独立随机事情产生的时刻距离。比较于指数散布，爱尔郎散布更适用于多个串行进程，或无记忆性假定不明显的情况下。除非退化为指数散布，爱尔郎散布不具有无记忆性，一次对其剖析相对困难。一般是经过将爱尔郎进程分解为多个指数进程的技巧来对爱尔郎散布进行剖析。
3、e是不知道参数，data是样本数据，P（eldata）被称为后验散布，P（datale）被称为似然函数，P（e）被称为先验散布，作为分母的P（data）由于不涉及到0，因此能被视为常数，不去考虑。用Beta散布来模仿硬币的先验散布后，经过贝叶斯估量，得到的后验散布依然是Beta散布。
