【什么是负二项分布】负二项分布是概率论中一种重要的离散型概率分布，常用于描述在一系列独立的伯努利试验中，成功次数达到指定数量之前失败的次数的概率分布。它与几何分布密切相关，但更适用于多次成功的情况。
一、基本概念总结
| 项目 | 内容 |
| 定义 | 负二项分布描述的是在一系列独立的伯努利试验中，第 r 次成功发生在第 k 次试验时，此前失败的次数的概率分布。 |
| 参数 | - r：成功的次数（正整数） - p：每次试验成功的概率（0 < p < 1） |
| 随机变量 | X 表示在第 r 次成功之前失败的次数。 |
| 概率质量函数（PMF） | $ P(X = k) = \binom{k + r - 1}{r - 1} p^r (1 - p)^k $，其中 $ k = 0, 1, 2, ... $ |
| 期望值 | $ E(X) = \frac{r(1 - p)}{p} $ |
| 方差 | $ Var(X) = \frac{r(1 - p)}{p^2} $ |
| 应用场景 | 常用于统计学、保险、排队论等领域，如计算某公司需要多少次销售尝试才能达成一定数量的成交等。 |
二、与几何分布的区别
| 项目 | 几何分布 | 负二项分布 |
| 目标 | 第一次成功前的失败次数 | 第 r 次成功前的失败次数 |
| 参数 | r=1 | r ≥ 1 |
| 适用场景 | 单次成功事件的等待时间 | 多次成功事件的等待时间 |
| 分布形式 | $ P(X = k) = (1 - p)^k p $ | $ P(X = k) = \binom{k + r - 1}{r - 1} p^r (1 - p)^k $ |
三、实际例子
假设一个销售人员每次拜访客户时，有 30% 的概率成交（即 p = 0.3），那么他要完成 5 次成交，在这之前可能遇到的失败次数服从负二项分布。
- 如果他第一次就成交了（k=0），则表示他只用了 5 次成功，没有失败。
- 如果他在第 8 次尝试才完成第 5 次成交，则意味着他在这之前的 7 次中有 4 次成功和 3 次失败，此时 k=3。
四、总结
负二项分布是一种灵活的模型，适用于那些关注“达到一定成功次数之前失败次数”的问题。相比几何分布，它能处理更多成功次数的场景，因此在实际应用中更为广泛。理解其数学表达式和参数意义，有助于更好地进行数据分析和建模。
