统计学基础——负二项分布的数字特征

一、引言

负二项分布（又名帕斯卡分布）和两点分布、二项分布、几何分布、超几何分布和泊松分布一样是常见的离散型分布。从定义上可以看成是几何分布的推广，从推导形式上也可以看成二项分布的推广。由于负二项分布的展开式不如二项分布那么常用，故在推导其期望方差等数字特征时，会碰到一些问题，本文展示了二项分布和其他分布的关系，并且给出了负二项分布的数字特征的推导过程，方便小伙伴理解，以减少想入门统计学的伙伴记忆负担。乔舰,范淑芬在文献[1]中具体列出了负二项分布的五种定义形式，以及多种求期望方差的方法。

黎明的清新在她的博客常见分布的数学期望、方差与特征函数推导（一）离散型分布一文中推导了常见的离散分布的数字特征。

二、负二项分布定义的引出与理解

2.1 实际意义

在实际的生活中，负二项分布可以应用到很多场景。一个人在获得r次满分前，没有获得满分的次数。一台机器在坏掉之前，可以使用的天数。可以看出负二项分布有总的次数失败两种定义方式。事实上，这两种定义方式本质等价，本文使用总的次数来定义负二项分布。

2.2 初始定义

这下面我们直接给出负二项分布的定义并解释负的含义。
定义一 $X$是服从负二项分布的随机变量，在一系列的独立的伯努利实验中，每次实验成功的概率是p，r是提前设定的成功实验次数。则$X$的概率密度函数是：
$$P(x=k)=\left(\genfrac{}{}{0ex}{}{k-1}{r-1}\right)p^r(1-p{)}^{k-r}.\text{\hspace{1em}(1)}$$ 其中$k$从r取到无穷。此时$X$~$NB(r,p).$
为了读者方便对比给出
定义二 $Y$是服从二项分布的随机变量，在一系列的独立的伯努利实验中，每次实验成功的概率是p，n是总的实验次数。则$Y$的概率密度函数是：
$$P(y=k)=\left(\genfrac{}{}{0ex}{}{n}{k}\right)p^k(1-p{)}^{n-k}.$$ 其中$k$从0取到n。此时$Y$~$B(n,p).$

2.3 重新定义“负”二项分布

面对负二项分布的定义直观含义很好理解，但是对于为啥是负，很多初学的小伙伴显然很迷无从理解，下面我们对原始定义重新整理定义。

下面的公式推导来源于维基百科负二项分布词条，由于最近进不去那个网页，这里手动引用说明一下，不再注明链接。下面公式只能凭借印象自推，如有错误私信指正，不胜感激。

$\begin{array}{rl}P(x=k)& =\left(\genfrac{}{}{0ex}{}{k-1}{r-1}\right)p^r(1-p{)}^{k-r}\\ & =\frac{(k-1)!}{(r-1)!(k-r)!}{p}^r(1-p{)}^{k-r}\\ & =\frac{(k-1)(k-2)\cdots (k-1-(k-1-r))}{(k-r)!}{p}^r(1-p{)}^{k-r}\\ & =(-1{)}^{k-r}\frac{(-r)(-r+1)\cdots (-k+1)}{(k-r)!}{p}^r(1-p{)}^{k-r}\\ & =(-1{)}^{k-r}(\genfrac{}{}{0ex}{}{-r}{k-r})p^r(1-p{)}^{k-r}\\ & =\left(\genfrac{}{}{0ex}{}{-r}{k-r}\right)p^r(-1+p{)}^{k-r}\end{array}$
定义三 $Z$是服从负二项分布的随机变量，在一系列的独立的伯努利实验中，每次实验成功的概率是p，r是提前设定的成功实验次数。则$X$的概率密度函数是：
$$P(z=k)=\left(\genfrac{}{}{0ex}{}{-r}{k-r}\right)p^r(-1+p{)}^{k-r}$$
其中$k$从r取到无穷。此时$Z$~$NB(r,p).$
推导出上述公式显然和二项分布定义比较相似。我们知道二项分布来源于二项展开式，那么我们可以把二项展开式推广到负整指数上么？想来是可以的。我们继续从二项展开式出发进行推导。

2.3 推导前的知识准备

定义三知识帮助大家了解负二项分布“负”的来源，我们接下来的推导使用定义一中的公式。我们知道公式（1）作为概率密度函数，满足：
$$\sum _{k=r}^{+\infty }P(X=k)=1\text{\hspace{1em}(2)}$$
将公式（1）带代入公式（2）变形的得到下面公式。
$$p^{-r}=\sum _{k=r}^{+\infty }\left(\genfrac{}{}{0ex}{}{k-1}{r-1}\right)(1-p{)}^{k-r}\text{\hspace{1em}(3)}$$
设$q=1-p$,则：
$$（1-q{）}^{-r}=\sum _{k=r}^{+\infty }\left(\genfrac{}{}{0ex}{}{k-1}{r-1}\right)q^{k-r}$$
有了上述推导，我们给出广义的二项展开式的定义。
定理一 $-1<x<1$,n是正整数，有如下形式：
$$(1-x{)}^{-n}=\sum _{k=0}^{+\infty }(\genfrac{}{}{0ex}{}{n}{k})x^k$$
定理一的证明可以用数学归纳法比较简单，为节省篇幅读者自证。

三、数字特征推导

负二项分布的数字特征的求法主要分为两种：
1、拆分为几何分布。
2、定义直接求。
拆分法比较显然，这里不再赘述。下面用定义法去推导。
为了阅读方便这里把定义一随机变量$X$的概率密度函数拿过来。
$$P(X=k)=\left(\genfrac{}{}{0ex}{}{k-1}{r-1}\right)p^r(1-p{)}^{k-r}.$$

3.1 期望

$\begin{array}{rl}E(X)& =p^r\sum _{k=r}^{+\infty }k\left(\genfrac{}{}{0ex}{}{k-1}{r-1}\right)(1-p{)}^{k-r}\\ & =p^r\sum _{k=r}^{+\infty }(k-r)\left(\genfrac{}{}{0ex}{}{k-1}{k-r}\right)(1-p{)}^{k-r}+r\sum _{k=r}^{+\infty }P(X=k)\\ & =p^r\sum _{t=0}^{+\infty }t\left(\genfrac{}{}{0ex}{}{t+r-1}{t}\right)(1-p{)}^t+r\text{，(t=k-r)}\\ & =p^r\sum _{t=0}^{+\infty }t\left(\genfrac{}{}{0ex}{}{t+r-1}{r-1}\right)(1-p{)}^t+r\text{，上一行的等价变形}\\ & =p^r\sum _{t=1}^{+\infty }t\frac{(t+r-1)!}{(r-1)!t!}(1-p{)}^t+r\\ & =r{p}^r\sum _{t=1}^{+\infty }\frac{(t+r-1)!}{r!(t-1)!}(1-p{)}^t+r\\ & =r{p}^r\sum _{k=0}^{+\infty }\frac{(k+r)!}{r!k!}(1-p{)}^{k+1}+r\text{，(k=t-1), 嘿嘿，字母不多来回用了}\\ & =r(1-p)p^r{p}^{-r-1}+r\text{，自行查看公式(3)}\\ & =\frac{r}{p}\end{array}$

3.2 方差

为了求得方差先求二阶原点距。
$\begin{array}{rl}E(X^2)& =p^r\sum _{k=r}^{+\infty }{k}^2\left(\genfrac{}{}{0ex}{}{k-1}{r-1}\right)(1-p{)}^{k-r}\\ & =\frac{r(r+1)(1-p{)}^2+2p{r}^2+rp(1-p)-r^2{p}^2}{p^2}\text{，方法和上述期望的求法一致（配方）}\\ & =\frac{r(1-p)+r^2}{p^2}\end{array}$
$\begin{array}{rl}D(X)& =E(X^2)-(E(X){)}^2\\ & =\frac{r(1-p)}{p^2}\end{array}$

四、R语言中的负二项分布

在R语言中也有相应函数可用于负二项分布，本文介绍四个分别是：

4.1函数表格

函数	含义
dnbinom	输入次数、规模、概率 返回发生x次失败事件的概率
pnbinom	返回输入参数的累积概率
qnbinom	返回对应的分位点
rnbinom	返回每组发生失败事件的次数

下面贴出函数的具体入口参数。详细例子请参照函数例子。

？dnbinom

4.2 函数参数展示

dnbinom

function (x, size, prob, mu, log = FALSE) 
{
    if (!missing(mu)) {
        if (!missing(prob)) 
            stop("'prob' and 'mu' both specified")
        .Call(C_dnbinom_mu, x, size, mu, log)
    }
    else .Call(C_dnbinom, x, size, prob, log)
}

pnbinom

function (q, size, prob, mu, lower.tail = TRUE, log.p = FALSE) 
{
    if (!missing(mu)) {
        if (!missing(prob)) 
            stop("'prob' and 'mu' both specified")
        .Call(C_pnbinom_mu, q, size, mu, lower.tail, log.p)
    }
    else .Call(C_pnbinom, q, size, prob, lower.tail, log.p)
}

qnbinom

function (p, size, prob, mu, lower.tail = TRUE, log.p = FALSE) 
{
    if (!missing(mu)) {
        if (!missing(prob)) 
            stop("'prob' and 'mu' both specified")
        .Call(C_qnbinom_mu, p, size, mu, lower.tail, log.p)
    }
    else .Call(C_qnbinom, p, size, prob, lower.tail, log.p)
}

rnbinom

function (n, size, prob, mu) 
{
    if (!missing(mu)) {
        if (!missing(prob)) 
            stop("'prob' and 'mu' both specified")
        .Call(C_rnbinom_mu, n, size, mu)
    }
    else .Call(C_rnbinom, n, size, prob)
}

参考文献

[1]乔舰,范淑芬.负二项分布随机变量数字特征的求解[J].高等数学研究,2017,20(02):32-34.