Калькулятор отрицательного биномиального распределения

Рассчитайте точные и накопленные вероятности числа неудач до заданного количества успехов в независимых испытаниях Бернулли.

Отрицательная биномиальная вероятность
Введите целевое число успехов, вероятность успеха в испытании и наблюдаемое число неудач.

Об отрицательном биномиальном распределении

Отрицательное биномиальное распределение описывает число неудач до достижения фиксированного числа успехов в последовательности независимых испытаний. В каждом испытании только два исхода, условно называемые успехом и неудачей, а вероятность успеха остаётся постоянной. В калькуляторе r означает требуемое число успехов, p — вероятность успеха в каждом испытании, k — число неудач до r-го успеха. Такое определение распространено в курсах теории вероятностей, контроле качества, исследованиях надёжности, эпидемиологии и моделировании счётных данных. Точная вероятность вычисляется по функции вероятности: C(k + r - 1, k), умноженное на p в степени r и на (1 - p) в степени k. Число сочетаний учитывает возможные расположения предыдущих успехов и неудач при условии, что последнее испытание даёт целевой успех. Калькулятор также суммирует функцию вероятности от нуля до k для получения P(X <= k), затем вычитает накопленное значение из единицы, чтобы получить P(X > k). Вместе эти значения отвечают на вопросы «ровно», «не более» и «больше» без отдельных расчётов. Ожидаемое число неудач равно r(1 - p) / p, а дисперсия — r(1 - p) / p². Более высокая вероятность успеха обычно сдвигает распределение к нулю неудач и уменьшает разброс. Увеличение целевого числа успехов повышает и ожидаемое число неудач, и дисперсию. Если p равно единице, каждое испытание успешно, поэтому ноль неудач имеет вероятность один, а среднее и дисперсия равны нулю. Для r и k используйте целые числа, поскольку они обозначают количество исходов. Вводите p как десятичное число от нуля до единицы, например 0.35 для вероятности 35 процентов. Стандартная модель применима к независимым одинаково распределённым испытаниям. Если вероятность меняется между испытаниями, результаты влияют друг на друга или процесс прекращается по другой причине, может потребоваться иная модель. В некоторых учебниках отрицательная биномиальная переменная определяется как общее число испытаний, а не неудач. Тогда общее число испытаний равно k + r, а сама вероятность при корректном преобразовании переменных не меняется.

Примеры отрицательного биномиального распределения

В примерах считаются неудачи до целевого успеха.

Входные данныеРезультатИнтерпретация
r = 3, p = 0.5, k = 2P(X = 2) = 0.1875Вероятность ровно двух неудач до третьего успеха составляет 18.75%.
r = 2, p = 0.5, k = 0P(X = 0) = 0.25Два успеха сразу подряд происходят с вероятностью 0.5 в квадрате.
r = 1, p = 0.25, k = 3P(X = 3) = 0.10546875Этот частный геометрический случай оценивает три неудачи до первого успеха.

Как пользоваться калькулятором

  1. Введите положительное целое число успехов, необходимое для завершения эксперимента.
  2. Введите постоянную вероятность успеха одного испытания как десятичное число больше нуля и не больше единицы.
  3. Введите неотрицательное целое число неудач для оценки.
  4. Нажмите «Рассчитать», чтобы увидеть точную вероятность, накопленные хвостовые вероятности, среднее и дисперсию.

Вопросы об отрицательном биномиальном распределении

Что измеряет отрицательное биномиальное распределение?

Оно измеряет число неудач до заданного числа успехов. Предполагаются независимые испытания с одинаковой вероятностью успеха.

Чем оно отличается от биномиального распределения?

В биномиальном эксперименте фиксируют число испытаний и считают успехи. В отрицательном биномиальном эксперименте фиксируют число успехов и считают неудачи или испытания до этой цели.

Связано ли оно с геометрическим распределением?

Да. Геометрическое распределение — это отрицательное биномиальное распределение с одним требуемым успехом: оно считает неудачи до первого успеха.

Можно ли вводить вероятность успеха в процентах?

Вводите десятичное число, а не процент. Например, для вероятности успеха 40 процентов используйте 0.4.

Почему числа успехов и неудач должны быть целыми?

Они подсчитывают дискретные исходы испытаний, поэтому дробные значения в этой модели не имеют смысла. Калькулятор не принимает отрицательные и нецелые количества.