負の二項分布の定義と概要

公開日: 更新日:

【2023年3月4週】 【B000】数理統計学 【B030】離散型の確率分布

この記事をシェアする
  • B!
サムネイル画像

本稿では、負の二項分布の定義と概要についてまとめています。確率関数であることの証明、確率関数の導出、幾何分布と負の二項分布の関係の証明、期待値・分散、確率母関数、モーメント母関数、再生性の紹介が含まれます。

なお、閲覧にあたっては、以下の点にご注意ください。

  • スマートフォンやタブレット端末でご覧の際、数式が見切れている場合は、横にスクロールすることができます。

負の二項分布

定義・意味

成功確率が $p$ のベルヌーイ試行を繰り返すとき、 $n$ 回成功するまでに要した失敗回数 $X$ が従う離散型確率分布を負の二項分布 negative binomial distribution と呼ぶ。

確率関数

確率関数 $f(x)$ は、 \begin{gather} f \left(x\right)= \left\{\begin{matrix}{}_{n+x-1}C_xp^n \left(1-p\right)^x&x=0,1,2, \cdots \\0&\mathrm{other}\\\end{matrix}\right. \end{gather} で与えられる。

略記法

また、負の二項分布は、 \begin{align} \mathrm{NB} \left(n,p\right) \end{align} と略記されることがある。

確率関数であることの証明

証明

(i)すべての $x$ に関して、$P \left(x\right) \geq 0$
確率の基本性質より、 \begin{align} 0 \le p \le 1\Rightarrow0 \le 1-p \end{align} 二項係数の性質より、 \begin{align} {}_{n+x-1}C_x \geq 0 \end{align} したがって、 \begin{align} f \left(x\right)={}_{n+x-1}C_xp^n \left(1-p\right)^x \geq 0 \end{align} (ii)すべての確率の和が1
負の二項係数 ${}_{n+x-1}C_x= \left(-1\right)^x \cdot {}_{-n}C_x$ より、 \begin{align} f \left(x\right)&={}_{-n}C_x \left(-1\right)^x \left(1-p\right)^xp^n\\ &={}_{-n}C_x \left[- \left(1-p\right)\right]^xp^n \end{align} よって、 \begin{align} \sum_{x=0}^{\infty}f \left(x\right)&=\sum_{x=0}^{\infty}{{}_{-n}C_x \left[- \left(1-p\right)\right]^xp^n}\\ &=p^n\sum_{x=0}^{\infty}{{}_{-n}C_x \left[- \left(1-p\right)\right]^x}\\ \end{align} 一般化二項定理 $ \left(1+y\right)^a=\sum_{r=0}^{\infty}{{}_{a}C_xy^x}$ において、$a=-n,y=- \left(1-p\right)$ とすると、 \begin{align} \sum_{x=0}^{\infty}{{}_{-n}C_x \left[- \left(1-p\right)\right]^x}&= \left\{1- \left(1-p\right)\right\}^{-n}\\ &=p^{-n} \end{align} したがって、 \begin{align} \sum_{x=1}^{\infty}f \left(x\right)=p^n \cdot p^{-n}=1 \end{align} よって、確率関数の定義を満たしているため、確率関数である。 $\blacksquare$

確率関数の導出

導出

$n$ 回成功するまでに要した失敗回数が $x$ 回となるとき、総試行回数は、 $n+x$ 回 となる。 このとき、 最初から $n+x-1$ 回目までの間に
$n-1$ 回の成功と $x$ 回の失敗が起こり、
$n+x$ 回目で成功
すればよいので、 \begin{align} P \left(X=x\right)&={}_{n+x-1}C_xp^{n-1} \left(1-p\right)^x \cdot p\\ &={}_{n+x-1}C_xp^n \left(1-p\right)^x \end{align} $\blacksquare$

【定理】幾何分布と負の二項分布の関係

【定理】
幾何分布と負の二項分布の関係
Relationship between Geometric and Negative Binomial Distribution

確率変数 \begin{gather} \boldsymbol{X}= \left\{X_1,X_2,X_3, \cdots ,X_n\right\} \end{gather} が互いに独立に幾何分布 \begin{gather} X_i \sim G \left(p\right) \end{gather} に従うとき、 確率変数の和 \begin{gather} Y=X_1+X_2+ \cdots +X_n \end{gather} は、負の二項分布 \begin{gather} Y \sim \mathrm{NB} \left(n,p\right) \end{gather} に従う。

導出

導出

幾何分布のモーメント母関数の公式より、 \begin{align} M_{X_i} \left(\theta\right)=\frac{p}{1-e^\theta \left(1-p\right)} \end{align} モーメント母関数の性質 $M_Y \left(\theta\right)=\prod_{i=1}^{n}{M_{X_i} \left(\theta\right)}$ より、 \begin{align} M_Y \left(\theta\right)=\prod_{i=1}^{n} \left\{\frac{p}{1-e^\theta \left(1-p\right)}\right\}= \left\{\frac{p}{1-e^\theta \left(1-p\right)}\right\}^n \end{align} これは、負の二項分布のモーメント母関数にほからならない。

したがって、モーメント母関数の一意性により、確率変数 $Y$ は、負の二項分布 \begin{align} Y \sim \mathrm{NB} \left(n,p\right) \end{align} に従う。 $\blacksquare$

重要事項のまとめ

略記法

\begin{align} \mathrm{NB} \left(n,p\right) \end{align}

パラメータ

\begin{gather} n= \left\{1,2, \cdots \right\}\\ 0 \lt p \lt 1 \end{gather}

確率関数

\begin{gather} f \left(x\right)= \left\{\begin{matrix}{}_{n+x-1}C_xp^n \left(1-p\right)^x&x=0,1,2, \cdots \\0&\mathrm{other}\\\end{matrix}\right. \end{gather}

期待値

\begin{align} E \left(X\right)=\frac{n \left(1-p\right)}{p} \end{align}

分散

\begin{align} V \left(X\right)=\frac{n \left(1-p\right)}{p^2} \end{align}

確率母関数

\begin{align} G_X \left(\theta\right)= \left\{\frac{p}{1-\theta \left(1-p\right)}\right\}^n \end{align}

モーメント母関数

\begin{align} M_X \left(\theta\right)= \left\{\frac{p}{1-e^\theta \left(1-p\right)}\right\}^n \end{align}

再生性

負の二項分布には、再生性がある。

参考文献

  • 小寺 平治 著. 数理統計:明解演習. 共立出版, 1986, p.55
  • 野田 一雄, 宮岡 悦良 著. 入門・演習数理統計. 共立出版, 1990, p.117-119
  • 竹村 彰通 著. 現代数理統計学. 創文社, 1991, p.28
  • 稲垣 宣生 著. 数理統計学. 裳華房, 2003, p.34-35
  • 久保川 達也 著, 新井 仁之, 小林 俊行, 斎藤 毅, 吉田 朋広 編. 現代数理統計学の基礎. 共立出版, 2017, p.36-38

関連記事

自己紹介

自分の写真

yama

大学時代に読書の面白さに気づいて以来、読書や勉強を通じて、興味をもったことや新しいことを学ぶことが生きる原動力。そんな人間が、その時々に学んだことを備忘録兼人生の軌跡として記録しているブログです。

このブログを検索

ブログ アーカイブ

QooQ