負の二項分布計算機

負の二項分布とは：成功への道のりの統計

負の二項分布は、ある「成功（Success）」が発生する確率が $p$ である独立した試行を繰り返すとき、合計で $r$ 回の成功を得るまでに累積する「失敗（Failure）」の回数 $x$ が従う確率分布です。 二項分布が「試行回数を固定して成功回数を数える」のに対し、負の二項分布は「成功回数を固定して試行回数（または失敗回数）を数える」という、逆転の発想に基づいています。 このため、「目標達成までにどれだけのコスト（失敗）を要するか」という予測に極めて強力な威力を発揮します。

幾何分布との深い関係性

負の二項分布は、幾何分布を一般化したものです。 もし目標とする成功回数 $r$ が「1」であれば、それは最初の1回が成功するまでに何回失敗するかを表す「幾何分布」と完全に一致します。 つまり、負の二項分布は「独立した $r$ 個の幾何分布の和」として解釈することができます。 この性質により、一つ一つのイベントがランダムであっても、それらが複数積み重なることで現れる特定の「分布の形」を数学的に捉えることが可能になります。

過分散（Overdispersion）とポアソン分布

統計解析において、カウントデータを扱う際に最も有名なのは「ポアソン分布」です。 しかし、ポアソン分布には「平均と分散が等しくなければならない」という強い制約があります。 現実のデータ（例えばウェブサイトの訪問者数や事故の発生数など）では、平均よりも分散がはるかに大きくなる「過分散」という現象がしばしば見られます。 負の二項分布は、この過分散を許容する柔軟なモデルとして、実務家によってポアソン分布の代わり、あるいは拡張版として頻繁に利用されます。

ビジネスと品質管理への応用

マーケティングにおいて、負の二項分布は「顧客の購買行動」のモデリングに広く使われています。 特定の顧客が $r$ 回購入するまでにどれだけの広告接触（失敗）が必要か。 あるいは製造現場において、不良品が $r$ 個出るまでに良品が何個生産されるか。 これらの計算を通じて、在庫リスクの評価、キャンペーンの予算配分、品質保証の基準策定などが、科学的な根拠に基づいて行われます。

期待値と分散：結果の「ブレ」を読む

負の二項分布の期待値（平均失敗回数）は $r(1-p)/p$ で求められます。 しかし、平均値だけを見ていては判断を誤ります。 負の二項分布は右側に長い裾を持つ（右に歪んだ）形をしており、想定外に多くの失敗が重なるリスクを定量化することが重要です。 本計算機が算出する「累積分布関数（CDF）」は、「失敗回数が $x$ 以下に収まる確率はどれくらいか」という問いに直球で答え、リスク管理の最前線を支えます。

まとめ：データを物語へと変換する

統計学は、混沌としたデータの中に秩序を見出すためのツールです。 「負の二項分布」という名前は少し難しそうに聞こえるかもしれませんが、その実体は「目標に向かって進むプロセスの記録」そのものです。 Geometric Stats Lab の計算ツールを用いて、あなたのビジネスや研究における「不確実性の正体」を明らかにしてください。