在Scipy中,负二项分布被定义为:
这是常见的定义,也可以参考维基百科: https://en.wikipedia.org/wiki/Negative_binomial_distribution 然而,存在另一种参数化方式,负二项分布由均值mu和离散参数定义。
在R中,这很容易实现,因为负二项分布可以通过两种参数化方式来定义。
我该如何在scipy中使用均值/离散度参数化?
编辑:
直接从R帮助文档中摘录:
具有大小为n和概率为p的负二项分布具有密度
Γ(x+n)/(Γ(n) x!) p^n (1-p)^x
另一种参数化方式(生态学中经常使用)是通过均值mu(见上文)和大小即离散度参数来描述,其中prob = size / (size + mu)。在这种参数化中,方差为mu + mu ^ 2 / size。
此处还有更详细的描述:
nbinom.pmf(k) = choose(k+n-1, n-1) * p**n * (1-p)**k
这是常见的定义,也可以参考维基百科: https://en.wikipedia.org/wiki/Negative_binomial_distribution 然而,存在另一种参数化方式,负二项分布由均值mu和离散参数定义。
在R中,这很容易实现,因为负二项分布可以通过两种参数化方式来定义。
dnbinom(x, size, prob, mu, log = FALSE)
我该如何在scipy中使用均值/离散度参数化?
编辑:
直接从R帮助文档中摘录:
具有大小为n和概率为p的负二项分布具有密度
Γ(x+n)/(Γ(n) x!) p^n (1-p)^x
另一种参数化方式(生态学中经常使用)是通过均值mu(见上文)和大小即离散度参数来描述,其中prob = size / (size + mu)。在这种参数化中,方差为mu + mu ^ 2 / size。
此处还有更详细的描述:
https://en.wikipedia.org/wiki/Negative_binomial_distribution#Alternative_formulations