负二项分布是统计学上一种离散概率分布。满足以下条件的称为负二项分布：实验包含一系列独立的实验， 每个实验都有成功、失败两种结果，成功的概率是恒定的，实验持续到r次不成功，r为正整数。
满足以下条件的称为负二项分布：
1、实验包含一系列独立的实验。
2、每个实验都有成功、失败两种结果。
3、成功的概率是恒定的。
4、实验持续到r次失败，r可以为任意正数。
二项分布在经济学的应用
在保险业务中，经常需要根据实际情况适当调整保费问题，以保证保险公司的利润达到一定要求，同时保险公司的业务量也达到要求，对于这一类问题，可以对已知实际情况做一定的概率分析。例如某保险公司有10000客户购买人身意外保险，该公司规定每人每年付公司120元 ，若遇意外死亡，公司将赔偿10000元。
若每人每年死亡率为0.006，从而不难利用二项分布算出公司获利、亏本的各种情形了。实际上对于随机现象，了解其分布非常有意义，利用概率论讨论得到的结果对保险公司有一定的指导意义。
以上内容参考 百度百科-二项分布；百度百科-负二项分布
温馨提示：答案为网友推荐，仅供参考
第1个回答 2019-05-09
假设有一组独立的伯努利数列，每次实验有两种结果“成功”和“失败”。每次实验的成功概率是p，失败的概率是1－p。我们得到一组数列，直到预定的失败数发生r次。那么结果为“成功”的随机数x会服从负二项分布（或帕斯卡）分布：
x~nb(r;p)
我们在现实生活中也常有应用，成功和失败的结果可能或者可能不是我们平时所认认为的“好”与“坏”。假设我们把负二项分布用在一台设备在故障前正常运行的天数的模型，这种情况下，设备一天运行正常，记为结果“成功”，反之故障的话结果为“失败”。如果我们把负二项分析用在动作员尝试射门得分前的尝试次数模型，这种情况下，每次不成功的尝试在模型里为“成功”，并且得分记为“失败”。如果我们抛硬币，负二项分布可以把头像一面作为“成功”来记数，在我们提到失败的结果之前。在下面的概率密度函数里，p是成功的概率，1－p是失败的概率。
负二项分布的概率密度函数为：
这里的括号里的数为二项分布的系数，并且等于
该数可以按下面的格式表示，也正是解释了“负二项”的名字的由来：
为了理解上面的概率密度函数，因为k+r次重复试验的结果假设是独立的，需要注意每个特定的k作为成功和r失败的数列为(1-p)p。因为第r个失败是最后发生的，所以需要k+r-1次重复实验中有k次成功的。上面的二项分布系数，正好它的组合长度为k+r-1。
递推公式为
x~nb(r;p)
我们在现实生活中也常有应用，成功和失败的结果可能或者可能不是我们平时所认认为的“好”与“坏”。假设我们把负二项分布用在一台设备在故障前正常运行的天数的模型，这种情况下，设备一天运行正常，记为结果“成功”，反之故障的话结果为“失败”。如果我们把负二项分析用在动作员尝试射门得分前的尝试次数模型，这种情况下，每次不成功的尝试在模型里为“成功”，并且得分记为“失败”。如果我们抛硬币，负二项分布可以把头像一面作为“成功”来记数，在我们提到失败的结果之前。在下面的概率密度函数里，p是成功的概率，1－p是失败的概率。
负二项分布的概率密度函数为：
这里的括号里的数为二项分布的系数，并且等于
该数可以按下面的格式表示，也正是解释了“负二项”的名字的由来：
为了理解上面的概率密度函数，因为k+r次重复试验的结果假设是独立的，需要注意每个特定的k作为成功和r失败的数列为(1-p)p。因为第r个失败是最后发生的，所以需要k+r-1次重复实验中有k次成功的。上面的二项分布系数，正好它的组合长度为k+r-1。
递推公式为
第2个回答 2007-09-01
“菜鸟的故事”答非所问。我还真没见过有这概念。
第3个回答 推荐于2016-12-01
一、二项分布的概念及应用条件
1. 二项分布的概念:
如某实验中小白鼠染毒后死亡概率P为0.8,则生存概率为=1-P=0.2，故
对一只小白鼠进行实验的结果为：死（概率为P）或生（概率为1-P）
对二只小白鼠（甲乙）进行实验的结果为：甲乙均死（概率为P2）、甲死乙生[概率为P(1-P)]、乙死甲生[概率为(1-P）P]或甲乙均生[概率为(1-P）2]，概率相加得P2+P(1-P)+(1-P）P+(1-P）2=[P+(1-P)]2
依此类推，对n只小白鼠进行实验，所有可能结果的概率相加得Pn+cn1P(1-P)n-1+...+cnxPx(1-P)n-x+...+(1-P)x=[P+(1-P)]n 其中n为样本含量,即事件发生总数，x为某事件出现次数,cnxPx(1-P)n-x为二项式通式，cnx=n!/x!(n-x)!, P为总体率。
因此，二项分布是说明结果只有两种情况的n次实验中发生某种结果为x次的概率分布。其概率密度为：
P(x)=cnxPx(1-P)n-x, x=0,1,...n。
2. 二项分布的应用条件:
医学领域有许多二分类记数资料都符合二项分布(传染病和遗传病除外)，但应用时仍应注意考察是否满足以下应用条件：(1) 每次实验只有两类对立的结果；(2) n次事件相互独立；(3) 每次实验某类结果的发生的概率是一个常数。
3. 二项分布的累计概率
二项分布下最多发生k例阳性的概率为发生0例阳性、1例阳性、...、直至k例阳性的概率之和。至少发生k例阳性的概率为发生k例阳性、k+1例阳性、...、直至n例阳性的概率之和。
4. 二项分布的图形
二项分布的图形有如下特征：(1)二项分布图形的形状取决于P 和n 的大小；(2) 当P=0.5时，无论n的大小，均为对称分布；(3) 当P<>0.5 ,n较小时为偏态分布,n较大时逼近正态分布。
5. 二项分布的均数和标准差
二项分布的均数µ=np，当用率表示时µ=p
二项分布的标准差为np(1-p)的算术平方根，当用率表示时为p(1-p)的算术平方根。
二、二项分布的应用
二项分布主要用于符合二项分布分类资料的率的区间估计和假设检验。当P=0.5或n较大，nP及n(1-P)均大于等于5时，可用(p-u0.05sp,p+u0.05sp)对总体率进行95%的区间估计。当总体率P接近0.5，阳性数x较小时，可直接计算二项分布的累计概率进行单侧的假设检验。当P=0.5或n较大，nP及n(1-P)均大于等于5时，可用正态近似法进行样本率与总体率，两个样本率比较的u检验。
三、Poisson分布的概念及应用条件
1. Poisson分布的概念:
Poisson分布是二项分布n很大而P很小时的特殊形式，是两分类资料在n次实验中发生x次某种结果的概率分布。其概率密度函数为：P(x)=e-µ*µx/x! x=0,1,2...n，其中e为自然对数的底，µ为总体均数，x为事件发生的阳性数。
2. Poisson分布的应用条件:
医学领域中有很多稀有疾病(如肿瘤,交通事故等）资料都符合Poisson分布，但应用中仍应注意要满足以下条件：（1) 两类结果要相互对立；（2) n次试验相互独立；（3) n应很大, P应很小。
3. Poisson分布的概率
Poisson分布的概率利用以下递推公式很容易求得：
P(0)=e-µ
P(x+1)=P(x)*µ/x+1, x=0,1,2,...本回答被提问者采纳
1. 二项分布的概念:
如某实验中小白鼠染毒后死亡概率P为0.8,则生存概率为=1-P=0.2，故
对一只小白鼠进行实验的结果为：死（概率为P）或生（概率为1-P）
对二只小白鼠（甲乙）进行实验的结果为：甲乙均死（概率为P2）、甲死乙生[概率为P(1-P)]、乙死甲生[概率为(1-P）P]或甲乙均生[概率为(1-P）2]，概率相加得P2+P(1-P)+(1-P）P+(1-P）2=[P+(1-P)]2
依此类推，对n只小白鼠进行实验，所有可能结果的概率相加得Pn+cn1P(1-P)n-1+...+cnxPx(1-P)n-x+...+(1-P)x=[P+(1-P)]n 其中n为样本含量,即事件发生总数，x为某事件出现次数,cnxPx(1-P)n-x为二项式通式，cnx=n!/x!(n-x)!, P为总体率。
因此，二项分布是说明结果只有两种情况的n次实验中发生某种结果为x次的概率分布。其概率密度为：
P(x)=cnxPx(1-P)n-x, x=0,1,...n。
2. 二项分布的应用条件:
医学领域有许多二分类记数资料都符合二项分布(传染病和遗传病除外)，但应用时仍应注意考察是否满足以下应用条件：(1) 每次实验只有两类对立的结果；(2) n次事件相互独立；(3) 每次实验某类结果的发生的概率是一个常数。
3. 二项分布的累计概率
二项分布下最多发生k例阳性的概率为发生0例阳性、1例阳性、...、直至k例阳性的概率之和。至少发生k例阳性的概率为发生k例阳性、k+1例阳性、...、直至n例阳性的概率之和。
4. 二项分布的图形
二项分布的图形有如下特征：(1)二项分布图形的形状取决于P 和n 的大小；(2) 当P=0.5时，无论n的大小，均为对称分布；(3) 当P<>0.5 ,n较小时为偏态分布,n较大时逼近正态分布。
5. 二项分布的均数和标准差
二项分布的均数µ=np，当用率表示时µ=p
二项分布的标准差为np(1-p)的算术平方根，当用率表示时为p(1-p)的算术平方根。
二、二项分布的应用
二项分布主要用于符合二项分布分类资料的率的区间估计和假设检验。当P=0.5或n较大，nP及n(1-P)均大于等于5时，可用(p-u0.05sp,p+u0.05sp)对总体率进行95%的区间估计。当总体率P接近0.5，阳性数x较小时，可直接计算二项分布的累计概率进行单侧的假设检验。当P=0.5或n较大，nP及n(1-P)均大于等于5时，可用正态近似法进行样本率与总体率，两个样本率比较的u检验。
三、Poisson分布的概念及应用条件
1. Poisson分布的概念:
Poisson分布是二项分布n很大而P很小时的特殊形式，是两分类资料在n次实验中发生x次某种结果的概率分布。其概率密度函数为：P(x)=e-µ*µx/x! x=0,1,2...n，其中e为自然对数的底，µ为总体均数，x为事件发生的阳性数。
2. Poisson分布的应用条件:
医学领域中有很多稀有疾病(如肿瘤,交通事故等）资料都符合Poisson分布，但应用中仍应注意要满足以下条件：（1) 两类结果要相互对立；（2) n次试验相互独立；（3) n应很大, P应很小。
3. Poisson分布的概率
Poisson分布的概率利用以下递推公式很容易求得：
P(0)=e-µ
P(x+1)=P(x)*µ/x+1, x=0,1,2,...本回答被提问者采纳
相似回答