Qual è la distribuzione binomiale negativa?

Tatiana Kolesnikova/Getty Images

La distribuzione binomiale negativa è a distribuzione di probabilità che viene utilizzato con variabili casuali discrete. Questo tipo di distribuzione riguarda il numero di prove che devono avvenire per avere un numero predeterminato di successi. Come vedremo, la distribuzione binomiale negativa è correlata a distribuzione binomiale . Inoltre, questa distribuzione generalizza la distribuzione geometrica.

Le impostazioni

Inizieremo esaminando sia l'impostazione che le condizioni che danno origine a una distribuzione binomiale negativa. Molte di queste condizioni sono molto simili a un'impostazione binomiale.

1. Abbiamo un esperimento di Bernoulli. Ciò significa che ogni prova che eseguiamo ha un successo e un fallimento ben definiti e che questi sono gli unici risultati.
2. La probabilità di successo è costante, non importa quante volte eseguiamo l'esperimento. Indichiamo questa probabilità costante con a p.
3. L'esperimento si ripete per X prove indipendenti, il che significa che l'esito di una prova non ha alcun effetto sull'esito di una prova successiva.

Queste tre condizioni sono identiche a quelle in una distribuzione binomiale. La differenza è che una variabile casuale binomiale ha un numero fisso di prove n. Gli unici valori di X sono 0, 1, 2, ..., n, quindi questa è una distribuzione finita.

Una distribuzione binomiale negativa riguarda il numero di prove X che deve accadere finché non abbiamo r successi. Il numero r è un numero intero che scegliamo prima di iniziare a eseguire le nostre prove. La variabile casuale X è ancora discreto. Tuttavia, ora la variabile casuale può assumere valori di X = r, r+1, r+2, ... Questa variabile casuale è numerabile infinita, poiché potrebbe volerci un tempo arbitrariamente lungo prima di ottenerla r successi.

Esempio

Per aiutare a dare un senso a una distribuzione binomiale negativa, vale la pena considerare un esempio. Supponiamo di lanciare una moneta giusta e di porre la domanda: 'Qual è la probabilità di ottenere tre teste nella prima X lanci di monete?' Questa è una situazione che richiede una distribuzione binomiale negativa.

I lanci di monete hanno due possibili esiti, la probabilità di successo è una 1/2 costante e le prove sono indipendenti l'una dall'altra. Chiediamo la probabilità di ottenere le prime tre teste dopo X lanci di monete. Quindi dobbiamo lanciare la moneta almeno tre volte. Quindi continuiamo a girare finché non appare la terza testa.

Per calcolare le probabilità relative a una distribuzione binomiale negativa, abbiamo bisogno di alcune informazioni in più. Dobbiamo conoscere la funzione di massa di probabilità.

Funzione di massa di probabilità

La funzione di massa di probabilità per una distribuzione binomiale negativa può essere sviluppata con un po' di riflessione. Ogni prova ha una probabilità di successo data da p. Poiché ci sono solo due possibili esiti, ciò significa che la probabilità di guasto è costante (1 - p ).

Il r Il successo deve verificarsi per il X esima e ultima prova. Il precedente X - 1 prove deve contenere esattamente r - 1 successi. Il numero di modi in cui ciò può verificarsi è dato dal numero di combinazioni:

C( X - 1, r -1) = (x - 1)!/[(r - 1)!( x - r )!].

Oltre a questo abbiamo eventi indipendenti, e quindi possiamo moltiplicare le nostre probabilità insieme. Mettendo tutto questo insieme, otteniamo la funzione massa di probabilità

f ( X ) =C( X - 1, r -1) p ^r (1 - p ) ^{X - r}.

Il nome della distribuzione

Siamo ora in grado di capire perché questa variabile casuale ha una distribuzione binomiale negativa. Il numero di combinazioni che abbiamo incontrato sopra può essere scritto in modo diverso dall'impostazione x - r = k:

(x - 1)!/[(r - 1)!( x - r )!] = ( x + k - 1)!/[(r - 1)! K !] = ( r + k - 1)( x + k - 2) . . . (r + 1)(r)/ K ! = (-1) ^K (-r)(-r - 1). . .(-r -(k + 1)/k!.

Qui vediamo la comparsa di un coefficiente binomiale negativo, che viene utilizzato quando eleviamo un'espressione binomiale (a + b) a una potenza negativa.

Significare

La media di una distribuzione è importante da conoscere perché è un modo per denotare il centro della distribuzione. La media di questo tipo di variabile casuale è data dal suo valore atteso ed è uguale a r / p . Possiamo dimostrarlo attentamente usando il funzione generatrice di momenti per questa distribuzione.

L'intuizione ci guida anche verso questa espressione. Supponiamo di eseguire una serie di prove n ₁finché non otteniamo r successi. E poi lo facciamo di nuovo, solo che questa volta ci vuole n _Dueprove. Continuiamo questo ancora e ancora, finché non avremo un gran numero di gruppi di prove N = n ₁+ n _Due+. . . + n _K.

Ognuno di questi K contiene prove r successi, e quindi abbiamo un totale di DKK successi. Se N è grande, quindi ci aspetteremmo di vedere circa Per esempio successi. Quindi li identifichiamo insieme e abbiamo kr = Np.

Facciamo un po' di algebra e lo troviamo N / k = r / p. La frazione sul lato sinistro di questa equazione è il numero medio di prove richieste per ciascuno dei nostri K gruppi di prove. In altre parole, questo è il numero previsto di volte per eseguire l'esperimento in modo da avere un totale di r successi. Questa è esattamente l'aspettativa che desideriamo trovare. Vediamo che questo è uguale alla formula r / p.

Varianza

La varianza della distribuzione binomiale negativa può anche essere calcolata utilizzando la funzione di generazione del momento. Quando lo facciamo, vediamo che la varianza di questa distribuzione è data dalla seguente formula:

r(1 - p )/ p ^Due

Funzione di generazione del momento

La funzione di generazione del momento per questo tipo di variabile casuale è piuttosto complicata. Ricordiamo che la funzione generatrice di momento è definita come il valore atteso E[e^tX]. Usando questa definizione con la nostra funzione di massa di probabilità, abbiamo:

M(t) = E[e^tX] = Σ (x - 1)!/[(r - 1)!( x - r )!]e^tX p ^r (1 - p ) ^{X - r}

Dopo un po' di algebra questo diventa M(t) = (pe^t)^r[1-(1- p)e^t]^-r

Relazione con altre distribuzioni

Abbiamo visto sopra come la distribuzione binomiale negativa sia per molti versi simile alla distribuzione binomiale. Oltre a questa connessione, la distribuzione binomiale negativa è una versione più generale di una distribuzione geometrica.

Una variabile casuale geometrica X conta il numero di prove necessarie prima che si verifichi il primo successo. È facile vedere che questa è esattamente la distribuzione binomiale negativa, ma con r uguale a uno.

Esistono altre formulazioni della distribuzione binomiale negativa. Alcuni libri di testo definiscono X essere il numero di prove fino a r si verificano guasti.

Esempio di problema

Esamineremo un problema di esempio per vedere come lavorare con la distribuzione binomiale negativa. Supponiamo che un giocatore di basket sia un tiratore all'80% di tiri liberi. Inoltre, supponiamo che fare un tiro libero sia indipendente dal fare il successivo. Qual è la probabilità che per questo giocatore l'ottavo canestro venga realizzato al decimo tiro libero?

Vediamo che abbiamo un'impostazione per una distribuzione binomiale negativa. La probabilità costante di successo è 0,8, quindi la probabilità di fallimento è 0,2. Vogliamo determinare la probabilità di X=10 quando r = 8.

Inseriamo questi valori nella nostra funzione di massa di probabilità:

f(10) =C(10 -1, 8 - 1) (0,8)⁸(0,2)^Due= 36(0,8)⁸(0,2)^Due, che è di circa il 24%.

Potremmo quindi chiedere qual è il numero medio di tiri liberi tirati prima che questo giocatore ne realizzi otto. Poiché il valore atteso è 8/0,8 = 10, questo è il numero di colpi.