Отрицательное биномиальное распределение

В этой статье объясняется, что такое отрицательное биномиальное распределение и для чего оно используется. Вы также найдете формулу отрицательного биномиального распределения, конкретный пример и свойства этого типа распределения вероятностей. Наконец, вы сможете вычислить любую вероятность отрицательного биномиального распределения с помощью онлайн-калькулятора.

Что такое отрицательное биномиальное распределение?

Отрицательное биномиальное распределение — это распределение вероятностей, которое описывает количество испытаний Бернулли, необходимых для получения заданного количества положительных результатов.

Следовательно, отрицательное биномиальное распределение имеет два характерных параметра: r — количество желаемых успешных результатов и p — вероятность успеха для каждого проведенного эксперимента Бернулли.

X\sim \text{BN}(r,p)

Помните, что тест Бернулли — это эксперимент, имеющий два возможных результата: «успех» и «неуспех». Таким образом, если вероятность «успеха» равна p , вероятность «неудачи» равна q=1-p .

Таким образом, отрицательное биномиальное распределение определяет процесс, в котором выполняется столько испытаний Бернулли, сколько необходимо для получения положительных результатов . Более того, все эти испытания Бернулли независимы и имеют постоянную вероятность успеха .

Например, случайная величина, имеющая отрицательное биномиальное распределение, — это количество раз, которое необходимо бросить игральную кость, пока число 6 не будет брошено три раза.

Разница между отрицательным биномиальным распределением и биномиальным распределением заключается в том, что отрицательное биномиальное распределение подсчитывает количество раз, необходимое для получения определенного количества успешных результатов, тогда как биномиальное распределение подсчитывает количество успешных случаев в серии тестов Бернулли.

Формула отрицательного биномиального распределения

Учитывая параметры r, p, x, вероятность отрицательного биномиального распределения вычисляется путем умножения комбинаторного числа x-1 в xr на (1-p) xr на p r .

Итак, формула расчета вероятности отрицательного биномиального распределения :

Формула отрицательного биномиального распределения

👉 Вы можете использовать калькулятор ниже, чтобы рассчитать вероятность переменной, которая соответствует отрицательному биномиальному распределению.

Решенное упражнение отрицательного биномиального распределения

  • Какова вероятность того, что если подбросить монету восемь раз, то при восьмом броске в четвертый раз выпадет орел?

Во-первых, нам нужно вычислить вероятность выпадения орла при подбрасывании монеты. В этом случае у нас есть только один положительный исход (орёл) из двух возможных исходов (орёл и решка), поэтому вероятность успеха равна:

p=\cfrac{1}{2}=0,5

Таким образом, случайная величина в этой задаче имеет отрицательное биномиальное распределение, где r=4 и p=0,5. Поэтому мы используем формулу отрицательного биномиального распределения для расчета вероятности того, что упражнение требует от нас выполнения.

\begin{aligned}P[X=x]&=\begin{pmatrix}x-1\\ x-r\end{pmatrix}\cdot (1-p)^{x-r}\cdot p^r\\[2ex]\displaystyle P[X=8]&=\begin{pmatrix}8-1\\ 8-4\end{pmatrix}\cdot (1-0,5)^{8-4}\cdot 0,5^4\\[2ex] P[X=8]&=0,1367\end{aligned}

Характеристики отрицательного биномиального распределения

Ниже приведены наиболее важные характеристики отрицательного биномиального распределения.

  • Отрицательное биномиальное распределение определяется двумя характерными параметрами: r — количество желаемых успешных результатов и p — вероятность успеха для каждого проведенного эксперимента Бернулли.
 *** QuickLaTeX cannot compile formula:
\begin{array}{c}r\in \mathbb{Z}^+ \\[2ex] 0 <ul><li> The mean of the negative binomial distribution is equal to <em>r</em> multiplied by <em>(1-p)</em> and divided by <em>p</em> . Thus the formula which makes it possible to calculate the mean of a negative binomial distribution is the following: </li></ul>[latex]E[X]=\cfrac{r\cdot (1-p)}{p}

*** Error message:
Missing $ inserted.
leading text: \begin{array}{c}
Please use \mathaccent for accents in math mode.
leading text: ...The mean of the binomial distribution born
Please use \mathaccent for accents in math mode.
leading text: ... the negative binomial distribution is
Please use \mathaccent for accents in math mode.
leading text: ...negative binomial distribution is equal to
Please use \mathaccent for accents in math mode.
leading text: ...gative is equal to <em>r</em> multiplied
Please use \mathaccent for accents in math mode.
leading text: ...m> multiplied by <em>(1-p)</em> and divided
Please use \mathaccent for accents in math mode.
leading text: ...the mean of a binomial distribution born
\begin{array} on input line 8 ended by \end{document}.

  • Дисперсия отрицательного биномиального распределения равна r , умноженному на (1-p), делённому на p 2 .

Var(X)=\cfrac{r\cdot (1-p)}{p^2}

  • Если параметр r больше 1, режим отрицательного биномиального распределения можно рассчитать по следующей формуле:

\displaystyle \lfloor \frac{(r-1)(1-p)}{p}\rfloor\quad \text{para }r>1″ title=»Rendered by QuickLaTeX.com» height=»42″ width=»221″ style=»vertical-align: -16px;»></p>
</p>
<ul>
<li> Функция масс, позволяющая определить вероятность отрицательного биномиального распределения, имеет следующий вид:</li>
</ul>
<p class=P[X=x]=\begin{pmatrix}x-1\\ x-r\end{pmatrix}\cdot (1-p)^{x-r}\cdot p^r

  • Коэффициент асимметрии отрицательного биномиального распределения рассчитывается по следующему выражению:

\displaystyle A=\frac{2-p}{\sqrt{r\,(1-p)}}

  • Эксцесс отрицательного биномиального распределения можно найти по следующей формуле:

\displaystyle C=\frac{6}{r} + \frac{p^2}{r\,(1-p)}

r=1 \quad\color{orange}\bm{\longrightarrow}\color{black}\quad X\sim \text{Geometrica}(p)

Калькулятор отрицательного биномиального распределения

Введите значения параметров r, p, x в следующий калькулятор, чтобы рассчитать вероятность. Вы должны вводить числа, используя точку в качестве десятичного разделителя, например 0,50.

Количество успешных результатов

r =

Вероятность успеха каждого эксперимента

p =

Общее количество проведенных экспериментов

x =

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *