利用者:MKBs/sandbox

負の二項分布（ふのにこうぶんぷ）とは、確率分布の一種で、二項分布の拡張。

二つの意味

負の二項分布は、文献によって異なった意味で使われることがある。

(1) 統計的に独立なベルヌーイ試行を行ったとき、x 回目の試行で k 回目の「成功」が得られた時の x の分布。

(2) 統計的に独立なベルヌーイ試行を行ったときに、k 回目の「成功」を得るまでに失敗した試行回数 y の分布。

式

(1)　x 回目の試行で k 回目の「成功」が得られた時の x の確率分布

x 回目の試行で k 回目の成功となったのだから、x - 1 回目は必ず失敗している。また、x 回試行したうちの k 回は成功しているのだから、失敗した試行の数は x - k 回。 おのおのの成功する確率を p とすると失敗する確率は (1 - p)。 x 回目の試行は「成功」でなければならないから、成功失敗の順番が決まっていないのは x - 1 回目まで。よって、

• $P(X=x)={x-1 \choose k-1}p^{k}(1-p)^{x-k}$

となる。

(2)　k 回目の「成功」を得るまでに失敗した試行回数 y の確率分布

k 回成功して y 回失敗したので、全試行回数は k + y 回。 また、k + y 回目は「成功」であるので、(1)と同じく成功失敗の組み合わせは k + y - 1 回目までを考え、

• $P(Y=y)={k+y-1 \choose y}p^{k}(1-p)^{y}$

となる。

(1)と(2)の両式は変数変換

$y=x-k$

で互いに可換である。

${n \choose m}={n \choose n-m}$

に注意すると、

${\begin{aligned}P(X=x)&={x-1 \choose k-1}p^{k}(1-p)^{x-k}\\&={x-1 \choose (x-1)-(k-1)}p^{k}(1-p)^{x-k}\\&={x-1 \choose x-k}p^{k}(1-p)^{x-k}\\&={y+k-1 \choose y}p^{k}(1-p)^{y}\\&=P(Y=y)\end{aligned}}$

期待値

(1)式と(2)式では期待値が異なる。

(1)式の場合

${\begin{aligned}E[X]&=\sum _{x=0}^{\infty }xP_{k}(x)\\&=\sum _{x=0}^{\infty }x{\frac {(x-1)(x-2)\cdots (x-k+1)}{(k-1)!}}p^{k}(1-p)^{x-k}\\&=\sum _{x=k}^{\infty }{\frac {x(x-1)\cdots (x-k+1)}{(k-1)!}}p^{k}(1-p)^{x-k}\\&={\frac {k}{p}}\sum _{x=k}^{\infty }{\frac {x(x-1)\cdots (x-k+1)}{k!}}p^{k+1}(1-p)^{x-k}\\&={\frac {k}{p}}\sum _{x=k+1}^{\infty }{\frac {(x-1)(x-2)\cdots (x-k)}{k!}}p^{k+1}(1-p)^{x-k-1}\\&={\frac {k}{p}}\sum _{x=0}^{\infty }P_{k+1}(x)\\&={\frac {k}{p}}\end{aligned}}$

(2)式の場合

${\begin{aligned}E[Y]&=\sum _{y=0}^{\infty }xP_{k}(y)\\&=\sum _{y=0}^{\infty }y{\frac {(k+y-1)(k+y-2)\cdots (k+1)k}{y!}}p^{k}(1-p)^{y}\\&=\sum _{y=1}^{\infty }{\frac {(k+y-1)(k+y-2)\cdots (k+1)k}{(y-1)!}}p^{k}(1-p)^{y}\\&=k{\frac {(1-p)}{p}}\sum _{y=0}^{\infty }{\frac {(k+y)(k+y-1)\cdots (k+1)}{y!}}p^{k+1}(1-p)^{y}\\&=k{\frac {(1-p)}{p}}\sum _{y=0}^{\infty }P_{k+1}(y)\\&=k{\frac {(1-p)}{p}}\end{aligned}}$

これらは期待値の線形性

• $E[aX+bY]=aE[X]+bE[Y]$

から容易に互いに導ける。

$y=x-k$

だから、

$E[Y]=E[X-k]=E[X]-k$

よって

${\begin{aligned}E[Y]&=k{\frac {(1-p)}{p}}\\&={\frac {k-pk}{p}}\\&={\frac {k}{p}}-k\\&=E[X]-k\end{aligned}}$

上記のように三つの意味があるので、ここでは最初の意味に絞って解説する。最初の意味では、負の二項分布とは、おのおのの試行で成功する確率が p である独立なベルヌーイ試行を続けておこなったとき、r 回の成功を得るのに必要な試行回数であった。

パラメータ : 成功回数 r　は、整数で、1 ≤ r とする。r = 1 のときの負の二項分布を幾何分布という。おのおのの試行で成功する確率 p は、0 < p < 1 である実数である。

• 確率分布関数 r 回の成功を x 回目の試行で達成する確率

  $f(x)=P(X=x)={x-1 \choose r-1}p^{r}(1-p)^{x-r}$

• 累積分布関数 r 回の成功を、x 回目かそれ以前に達成する確率 : 単純な解法は存在しないが、正規化された不完全なベータ関数を使って計算することができる。二項分布
• 期待値 E(X) = r / p.
• 分散 var(X) = σ² = r(1 − p) / p².

関連項目

• ベルヌーイ過程

[[Category:確率分布|ふのにこうふんふ]] [[Category:数学に関する記事|ふのにこうふんふ]]