- 统计学教程
- 首页
- 调整后的R平方
- 方差分析
- 算术平均数
- 算术中位数
- 算术众数
- 算术极差
- 条形图
- 最佳点估计
- 贝塔分布
- 二项分布
- 布莱克-斯科尔斯模型
- 箱线图
- 中心极限定理
- 切比雪夫定理
- 卡方分布
- 卡方表
- 环排列
- 整群抽样
- 科恩Kappa系数
- 组合
- 有放回组合
- 比较图表
- 连续均匀分布
- 连续数列算术平均数
- 连续数列算术中位数
- 连续数列算术众数
- 累计频率
- 变异系数
- 相关系数
- 累积图
- 累积泊松分布
- 数据收集
- 数据收集 - 问卷设计
- 数据收集 - 观察法
- 数据收集 - 案例研究法
- 数据模式
- 十分位数统计
- 离散数列算术平均数
- 离散数列算术中位数
- 离散数列算术众数
- 点图
- 指数分布
- F分布
- F检验表
- 阶乘
- 频率分布
- 伽马分布
- 几何平均数
- 几何概率分布
- 拟合优度
- 总平均数
- Gumbel分布
- 调和平均数
- 调和数
- 谐振频率
- 直方图
- 超几何分布
- 假设检验
- 个体数列算术平均数
- 个体数列算术中位数
- 个体数列算术众数
- 区间估计
- 逆伽马分布
- Kolmogorov-Smirnov检验
- 峰度
- 拉普拉斯分布
- 线性回归
- 对数伽马分布
- 逻辑回归
- 麦克尼马尔检验
- 平均差
- 均值差异
- 多项分布
- 负二项分布
- 正态分布
- 奇排列和偶排列
- 单比例Z检验
- 离群值函数
- 排列
- 有放回排列
- 饼图
- 泊松分布
- 合并方差 (r)
- 功效计算器
- 概率
- 概率加法定理
- 概率乘法定理
- 概率贝叶斯定理
- 概率密度函数
- 过程能力 (Cp) 和过程性能 (Pp)
- 过程Sigma
- 二次回归方程
- 定性数据与定量数据
- 四分位差
- 经验法则
- 瑞利分布
- 回归截距置信区间
- 相对标准偏差
- 信度系数
- 所需样本量
- 残差分析
- 残差平方和
- 均方根
- 样本计划
- 抽样方法
- 散点图
- Shannon-Wiener多样性指数
- 信噪比
- 简单随机抽样
- 偏度
- 标准差
- 标准误 (SE)
- 标准正态表
- 统计显著性
- 统计公式
- 统计符号
- 茎叶图
- 分层抽样
- 学生t检验
- 平方和
- t分布表
- TI-83指数回归
- 转换
- 截尾均值
- I型和II型错误
- 方差
- 韦恩图
- 大数弱定律
- Z表
- 统计学有用资源
- 统计学 - 讨论
统计学 - 负二项分布
负二项分布是在一系列独立试验中,在发生特定次数的成功之前,成功和失败次数出现的概率分布。以下是关于负二项实验需要注意的关键点。
实验应进行x次重复试验。
每次试验都有两种可能的结果,一种是成功,另一种是失败。
每次试验的成功概率相同。
一次试验的结果与另一次试验的结果无关。
实验应持续进行,直到观察到r次成功,其中r事先已知。
可以使用以下方法计算负二项分布概率
公式
${ f(x; r, P) = ^{x-1}C_{r-1} \times P^r \times (1-P)^{x-r} }$
其中 -
${x}$ = 试验总数。
${r}$ = 成功发生的次数。
${P}$ = 每次发生时的成功概率。
${1-P}$ = 每次发生时的失败概率。
${f(x; r, P)}$ = 负二项概率,即在每次试验的成功概率为P的情况下,x次试验的负二项实验在第x次试验中获得第r次成功的概率。
${^{n}C_{r}}$ = 从n个项目中选取r个项目的组合。
示例
罗伯特是一名足球运动员。他的射门成功率为70%。罗伯特在第五次尝试中射进第三个球的概率是多少?
解决方案
这里成功概率P为0.70。试验次数x为5,成功次数r为3。使用负二项分布公式,让我们计算在第五次尝试中射进第三个球的概率。
${ f(x; r, P) = ^{x-1}C_{r-1} \times P^r \times (1-P)^{x-r} \\[7pt] \implies f(5; 3, 0.7) = ^4C_2 \times 0.7^3 \times 0.3^2 \\[7pt] \, = 6 \times 0.343 \times 0.09 \\[7pt] \, = 0.18522 }$
因此,在第五次尝试中射进第三个球的概率为${ 0.18522 }$。
广告