負の二項分布の平均・分散計算ツール

負の二項分布の平均・分散計算ツール

新興 AI Skill PRO

計算を入力してください

結果

平均(r回の成功までに予想される失敗回数)
20
成功回数 (r) 5
成功確率 (p) 0.2
分散 (σ²) 100
標準偏差 (σ) 10

公式

IQR=Q3−Q1\text{IQR} = Q_3 - Q_1
利用統計

広告

このページの誤りを報告

この計算ツールでできること

負の二項分布の平均・分散計算ツールは、負の二項分布の最初の 2 つのモーメントを返します。標準的な「成功までの失敗回数」というパラメータ化では、確率変数 X は、独立なベルヌーイ試行の列において r 回目の成功が起こるまでに生じる失敗の回数を数えます。ここで各試行は確率 p で成功します。r と p を入力すると、このツールは X の平均・分散・標準偏差を表示します。

仕組み

各試行は、一定の成功確率 p を持つ独立な成功・失敗の実験です。r 回の成功が積み重なるまで試行を続け、X はその過程で観測された失敗の回数です。X は、それぞれ 1 回の成功までの失敗回数を数える r 個の独立な幾何変数の和として書けるため、その平均と分散は 1 つの幾何項の平均と分散のちょうど r 倍になります。これにより、r と p のみに依存する閉じた形の式が得られます。

数直線上に最小値・Q1・中央値・Q3・最大値の位置を示した箱ひげ図
四分位数を示す箱ひげ図:IQR は Q1 と Q3 の間の箱の幅です。

計算式

X の平均・分散・標準偏差は次のとおりです。

広告
$$\mu = \frac{r(1-p)}{p}$$ $$\sigma^2 = \frac{r(1-p)}{p^2}$$ $$\sigma = \sqrt{r(1-p)}\,/\,p$$

ここで r は目標とする成功回数、p は 1 試行あたりの成功確率であり、0 < p <= 1 です。分散は常に平均の 1/p 倍だけ大きくなるため、負の二項分布はポアソン分布に対して過分散になることに注意してください。

並べ替えたデータを Q1・中央値・Q3 で4等分した数直線
四分位数は並べ替えたデータを4等分し、IQR は中央の2つ分にあたります。

計算例

r = 5 回の成功が必要で、各試行が確率 p = 0.5 で成功するとします。5 回目の成功までの失敗回数の平均は 5(1 - 0.5)/0.5 = 5 です。分散は 5(1 - 0.5)/0.5^2 = 2.5/0.25 = 10 なので、標準偏差は sqrt(10)、およそ 3.16 です。平均するとおよそ 5 回の失敗が見込まれ、その平均のまわりで典型的にはおよそ 3 回のばらつきがあります。

よくある質問

どの負の二項分布のパラメータ化を使っていますか? 標準的な「r 回目の成功までの失敗回数」という規約を使うため、平均は r(1-p)/p です。教科書が失敗回数ではなく総試行回数を数えている場合は、規約を変換するために平均に r を加えてください。

広告

r は整数でなければなりませんか? 古典的な計数の解釈では r は正の整数ですが、平均と分散の式は任意の実数 r > 0 に対して成り立ちます。これは一般化された(ポリア)負の二項分布の場合です。

p が 1 に近づくとどうなりますか? p が 1 に近いとほとんどの試行が成功するため、失敗はほとんど起こらず、平均も分散もともに 0 に近づきます。p が小さくなると失敗が積み重なり、両方のモーメントが急速に大きくなります。

負の二項分布の平均と分散:r と p の値による違い

この表では、\(X\) を「r 回目の成功までに観測された失敗の回数」とするパラメータ化を用い、平均を \(\mu = r(1-p)/p\)、分散を \(\sigma^2 = r(1-p)/p^2\) としています。分散と平均の比は \(1/p\) に単純化されます。

r p 平均 r(1-p)/p 分散 r(1-p)/p² 標準偏差 分散対平均比 1/p
1 0.5 1 2 1.4142 2
5 0.5 5 10 3.1623 2
5 0.2 20 100 10 5
10 0.8 2.5 3.125 1.7678 1.25
3 0.1 27 270 16.4317 10

r = 5、p = 0.2 の検算:\(\mu = 5(0.8)/0.2 = 4/0.2 = 20\)、\(\sigma^2 = 5(0.8)/0.2^2 = 4/0.04 = 100\)、\(\sigma = \sqrt{100} = 10\)、そして \(1/p = 5 = 100/20\) です。

定義と用語集

  • r:目標とする成功回数で、r 回目の成功でプロセスが停止します。古典的な形では正の整数ですが、分布は正の実数値にも拡張できます。
  • p:各独立試行における成功確率で、0 < p ≤ 1 です。
  • X:r 回目の成功までに観測された失敗の回数で、0、1、2、… の値をとります。
  • 平均:X の期待値で、\(E[X] = r(1-p)/p\) です。
  • 分散:平均からの偏差の二乗の期待値で、\(\operatorname{Var}(X) = r(1-p)/p^2\) です。
  • 標準偏差:分散の平方根で、\(\sqrt{r(1-p)}/p\) です。
  • 過分散:分散が平均より大きい状態です。負の二項分布は 0 < p < 1 のとき常に過分散になります。
  • 幾何分布:r = 1 の特別な場合で、最初の成功までの失敗回数を数えます。平均は \((1-p)/p\)、分散は \((1-p)/p^2\) です。
  • 総試行数によるパラメータ化:Y = X + r が、r 回目の成功までのすべての試行回数(その成功を含む)を数える場合、平均は \(r/p\) になります一方、分散は \(r(1-p)/p^2\) のままです。定数 r を加えると平均は移動しますが、ばらつきは変わらないためです。
最終更新:

数学と統計で人気の電卓

数学と統計の電卓をすべて見る