使用这种 近似形式的近似近似。作者声称评估速度要快 2 个数量级。

为了遵守 CV 规则，我将引用这篇非常清晰的论文简介中的关键信息：

关键思想是：

那篇论文的关键思想是

$$P(X_B>Y_B)\approx P(X_N>Y_N)$$

在哪里$X_B$和$Y_B$是独立的 beta 随机变量和$X_N$ 和$Y_N$是它们通过矩匹配形成的正态近似。作者表明，这些近似值相当准确，即使对于较小的值$(a_1,b_1)$和$(a_2,b_2)$. 例如：当这些参数取 1 到 10 之间的整数值时，平均绝对误差为 0.006676。

编辑：更新的链接。

我不确定这是否回答了您提出的问题。但您可能想查看Evan Miller 的贝叶斯 A/B 公式的渐近线。他们有效地解决的是给定两个 Beta 分布的 P（A 的转换率 > B 的转换率）。