numpy.random.negative_binomial¶

numpy.random.negative_binomial(n, p, size=None)¶

从负二项分布绘制样本。

样本从具有指定参数n试验和p成功概率的负二项分布中绘制，其中n是> 0和 p在区间[0，1]中。

参数：	n：int 参数，> 0。 p：float 参数，> = 0和 size：int或tuple的整数，可选输出形状。如果给定形状是例如`（m， n， k）`，则 `m * n * k`默认值为None，在这种情况下返回单个值。
返回：	samples：int或ndarray of ints 绘制样品。

参数：

n：int

参数，> 0。

p：float

参数，> = 0和

size：int或tuple的整数，可选

输出形状。如果给定形状是例如（m， n， k），则 m * n * k默认值为None，在这种情况下返回单个值。

samples：int或ndarray of ints

绘制样品。

笔记

负二项分布的概率密度为

其中 $n-1$ 是成功的数量， $p$ 是成功的概率，而 $N+n-1$ 是试验的数量。负二项分布给出了N + n-1次试验中n-1次成功和N次失败的概率，以及第（N + n）次试验的成功率。

如果直到第三次出现“1”，第三个“1”之前出现的非“1”的数量的概率分布是负二项分布。

参考文献

[R243]

Weisstein，Eric W.“负二项分布”，来自MathWorld-Wolfram Web资源。http://mathworld.wolfram.com/NegativeBinomialDistribution.html

[R244]

维基百科，“负二项分布”，http://en.wikipedia.org/wiki/Negative_binomial_distribution

例子

从分布绘制样本：

一个现实世界的例子。一家公司钻探野猫石油勘探井，每个井的估计成功概率为0.1。对于每个连续的井，一个成功的概率是多少，这是在钻5口井，6口井等之后单个成功的概率。？

>>> s = np.random.negative_binomial(1, 0.1, 100000)
>>> for i in range(1, 11):
...    probability = sum(s<i) / 100000.
...    print i, "wells drilled, probability of one success =", probability