Kᵢ selon un NB (r, μᵢ) via mélange Poisson‑Gamma, avec
μᵢ = μ₀ + β·i. Paramètres équivalents : pᵢ = r/(r+μᵢ), E[Kᵢ]=μᵢ, Var[Kᵢ]=μᵢ + μᵢ²/r.
Mn) de largeur nulle : illusion visuelle de “compression”, pas de compression d’information.
Mathematics behind the Bee‑Chain
Mathématiques derrière la Bee‑Chain
Negative Binomial Distribution
Distribution binomiale négative
The negative binomial distribution NB(r,m) describes the number of failures before r successes or, in our parameterization, the count of combining marks. Its probability mass function is given by P(X=k) = Γ(r+k)/(k! Γ(r)) [r/(r+m)]^r [m/(r+m)]^k for non‑negative integer k【243106237541258†L404-L410】.
La distribution binomiale négative NB(r,m) décrit le nombre d’échecs avant r succès ou, dans notre paramétrisation, le nombre de marques combinantes. Sa fonction de masse est donnée par P(X=k) = Γ(r+k)/(k! Γ(r)) [r/(r+m)]^r [m/(r+m)]^k pour un entier k ≥ 0【243106237541258†L404-L410】.
The mean of this distribution is m and its variance is m + m²/r, which grows quadratically with m【243106237541258†L404-L410】. The dispersion parameter r controls overdispersion: larger r yields variance closer to the mean (Poisson limit), while smaller r yields stronger overdispersion【243106237541258†L915-L939】.
La moyenne de cette distribution est m et sa variance est m + m²/r, qui augmente quadratiquement avec m【243106237541258†L404-L410】. Le paramètre de forme r contrôle la surdispersion : un r grand rapproche la variance de la moyenne (limite Poisson), tandis qu’un r petit produit une forte surdispersion【243106237541258†L915-L939】.
Interpreting NB as a Gamma–Poisson mixture clarifies its flexibility: draw λ ~ Gamma(r, m/r), then X ~ Poisson(λ). This separates the mean from the variance and models random rate fluctuations【178908646390881†L65-L73】.
Interpréter la NB comme un mélange Gamma–Poisson clarifie sa flexibilité : on tire λ ~ Gamma(r, m/r), puis X ~ Poisson(λ). Ceci sépare la moyenne de la variance et modélise les fluctuations aléatoires du taux【178908646390881†L65-L73】.
Implementation in the Bee‑Chain
Implémentation dans la Bee‑Chain
In the Bee‑Chain, we set a target mean μᵢ = μ₀ + β·i for each index i, draw Kᵢ ~ NB(r, μᵢ) via a Gamma–Poisson mixture, and apply Kᵢ combining marks to each character. The parameter β induces a linear drift, producing a visual crescendo.
Dans la Bee‑Chain, on fixe une moyenne cible μᵢ = μ₀ + β·i pour chaque indice i, on tire Kᵢ ~ NB(r, μᵢ) via un mélange Gamma–Poisson, puis on applique Kᵢ marques combinantes à chaque caractère. Le paramètre β induit une dérive linéaire qui crée un crescendo visuel.
Applications
Applications
The negative binomial distribution is widely used in science: it models overdispersed RNA‑seq counts in genomics (DESeq2, edgeR)【243106237541258†L915-L939】, secondary infections in epidemiology【243106237541258†L915-L939】, aggregated species counts in ecology【243106237541258†L936-L940】, and multiplicity distributions in particle physics and astronomy【243106237541258†L954-L968】.
La loi binomiale négative est largement utilisée en science : elle modélise des comptages RNA‑seq surdispersés en génomique (DESeq2, edgeR)【243106237541258†L915-L939】, les infections secondaires en épidémiologie【243106237541258†L915-L939】, des comptages d’espèces agrégés en écologie【243106237541258†L936-L940】, et les distributions de multiplicité en physique des particules et en astronomie【243106237541258†L954-L968】.
Uses & Hypotheses
Usages et hypothèses
Beyond the Bee‑Chain, NB models can help design robust network buffers, generate glitch‑like textures in art, and test algorithms under heavy‑tailed noise. However, visual “compression” of the Bee‑Chain is only typographic: replacing e by π does not reduce entropy; Zalgo marks add no information.
Au‑delà de la Bee‑Chain, les modèles NB peuvent aider à dimensionner des buffers réseau robustes, générer des textures glitch en art, et tester des algorithmes sous un bruit à queue lourde. Cependant, la “compression” visuelle de la Bee‑Chain est uniquement typographique : remplacer e par π ne réduit pas l’entropie ; les marques Zalgo n’ajoutent pas d’information.