- 統計學教程
- 首頁
- 調整後的R平方
- 方差分析
- 算術平均數
- 算術中位數
- 算術眾數
- 算術極差
- 條形圖
- 最佳點估計
- 貝塔分佈
- 二項分佈
- 布萊克-斯科爾斯模型
- 箱線圖
- 中心極限定理
- 切比雪夫定理
- 卡方分佈
- 卡方表
- 環排列
- 整群抽樣
- 科恩Kappa係數
- 組合
- 有放回組合
- 比較圖表
- 連續均勻分佈
- 連續數列算術平均數
- 連續數列算術中位數
- 連續數列算術眾數
- 累計頻率
- 變異係數
- 相關係數
- 累積圖
- 累積泊松分佈
- 資料收集
- 資料收集 - 問卷設計
- 資料收集 - 觀察法
- 資料收集 - 案例研究法
- 資料模式
- 十分位數統計
- 離散數列算術平均數
- 離散數列算術中位數
- 離散數列算術眾數
- 點圖
- 指數分佈
- F分佈
- F檢驗表
- 階乘
- 頻率分佈
- 伽馬分佈
- 幾何平均數
- 幾何機率分佈
- 擬合優度
- 總平均數
- Gumbel分佈
- 調和平均數
- 調和數
- 諧振頻率
- 直方圖
- 超幾何分佈
- 假設檢驗
- 個體數列算術平均數
- 個體數列算術中位數
- 個體數列算術眾數
- 區間估計
- 逆伽馬分佈
- Kolmogorov-Smirnov檢驗
- 峰度
- 拉普拉斯分佈
- 線性迴歸
- 對數伽馬分佈
- 邏輯迴歸
- 麥克尼馬爾檢驗
- 平均差
- 均值差異
- 多項分佈
- 負二項分佈
- 正態分佈
- 奇排列和偶排列
- 單比例Z檢驗
- 離群值函式
- 排列
- 有放回排列
- 餅圖
- 泊松分佈
- 合併方差 (r)
- 功效計算器
- 機率
- 機率加法定理
- 機率乘法定理
- 機率貝葉斯定理
- 機率密度函式
- 過程能力 (Cp) 和過程效能 (Pp)
- 過程Sigma
- 二次迴歸方程
- 定性資料與定量資料
- 四分位差
- 經驗法則
- 瑞利分佈
- 迴歸截距置信區間
- 相對標準偏差
- 信度係數
- 所需樣本量
- 殘差分析
- 殘差平方和
- 均方根
- 樣本計劃
- 抽樣方法
- 散點圖
- Shannon-Wiener多樣性指數
- 信噪比
- 簡單隨機抽樣
- 偏度
- 標準差
- 標準誤 (SE)
- 標準正態表
- 統計顯著性
- 統計公式
- 統計符號
- 莖葉圖
- 分層抽樣
- 學生t檢驗
- 平方和
- t分佈表
- TI-83指數迴歸
- 轉換
- 截尾均值
- I型和II型錯誤
- 方差
- 韋恩圖
- 大數弱定律
- Z表
- 統計學有用資源
- 統計學 - 討論
統計學 - 負二項分佈
負二項分佈是在一系列獨立試驗中,在發生特定次數的成功之前,成功和失敗次數出現的機率分佈。以下是關於負二項實驗需要注意的關鍵點。
實驗應進行x次重複試驗。
每次試驗都有兩種可能的結果,一種是成功,另一種是失敗。
每次試驗的成功機率相同。
一次試驗的結果與另一次試驗的結果無關。
實驗應持續進行,直到觀察到r次成功,其中r事先已知。
可以使用以下方法計算負二項分佈機率
公式
${ f(x; r, P) = ^{x-1}C_{r-1} \times P^r \times (1-P)^{x-r} }$
其中 -
${x}$ = 試驗總數。
${r}$ = 成功發生的次數。
${P}$ = 每次發生時的成功機率。
${1-P}$ = 每次發生時的失敗機率。
${f(x; r, P)}$ = 負二項機率,即在每次試驗的成功機率為P的情況下,x次試驗的負二項實驗在第x次試驗中獲得第r次成功的機率。
${^{n}C_{r}}$ = 從n個專案中選取r個專案的組合。
示例
羅伯特是一名足球運動員。他的射門成功率為70%。羅伯特在第五次嘗試中射進第三個球的機率是多少?
解決方案
這裡成功機率P為0.70。試驗次數x為5,成功次數r為3。使用負二項分佈公式,讓我們計算在第五次嘗試中射進第三個球的機率。
${ f(x; r, P) = ^{x-1}C_{r-1} \times P^r \times (1-P)^{x-r} \\[7pt] \implies f(5; 3, 0.7) = ^4C_2 \times 0.7^3 \times 0.3^2 \\[7pt] \, = 6 \times 0.343 \times 0.09 \\[7pt] \, = 0.18522 }$
因此,在第五次嘗試中射進第三個球的機率為${ 0.18522 }$。
廣告