Ini adalah masalah yang cukup lurus ke depan. Meskipun ada hubungan antara distribusi Poisson dan Negatif Binomial, saya benar-benar berpikir ini tidak membantu untuk pertanyaan spesifik Anda karena mendorong orang untuk memikirkan proses binomial negatif. Pada dasarnya, Anda memiliki serangkaian proses Poisson:
Yi(ti)|λi∼Poisson(λiti)
Di mana adalah proses dan t i adalah waktu Anda mengamatinya, dan saya menunjukkan individu. Dan Anda mengatakan bahwa proses ini "serupa" dengan mengikat tarif bersama dengan distribusi:Yitii
λi∼Gamma(α,β)
Saat melakukan integrasi / mxixing lebih dari , Anda harus:λi
Yi(ti)|αβ∼NegBin(α,pi)wherepi=titi+β
Ini memiliki PMF dari:
Pr(Yi(ti)=yi|αβ)=Γ(α+yi)Γ(α)yi!pyii(1−pi)α
Untuk mendapatkan distribusi waktu tunggu, kami perhatikan bahwa:
= 1 - ( 1 - p i ) α = 1 - ( 1 +
Pr ( Tsaya≤ tsaya| αβ) = 1 - Pr ( Tsaya> tsaya| αβ) = 1 - Pr ( Ysaya(ti)=0|αβ)
=1−(1−pi)α=1−(1+tiβ)−α
Bedakan ini dan Anda memiliki PDF:
pTi(ti|αβ)=αβ(1+tiβ)−(α+1)
Ini adalah anggota dari distribusi Pareto umum, tipe II. Saya akan menggunakan ini sebagai distribusi waktu tunggu Anda.
Untuk melihat koneksi dengan distribusi Poisson, perhatikan bahwa , sehingga jika kita aturβ=ααβ=E(λi|αβ) dan kemudian ambil batasα→∞ yangkita dapatkan:β=αλα→∞
limα→∞αβ(1+tiβ)−(α+1)=limα→∞λ(1+λtiα)−(α+1)=λexp(−λti)
Ini berarti Anda dapat menafsirkan sebagai parameter dispersi berlebih.1α
Satu kemungkinan: Poisson adalah Eksponensial sebagai Negatif-Binomial adalah ... Eksponensial!
Ada proses Lévy peningkatan lompatan murni yang disebut Proses Binomial Negatift 1
Mungkin ada deskripsi berguna lainnya. Lihat "Membingkai distribusi binomial negatif untuk sekuensing DNA."
Biarkan saya menjadi lebih eksplisit tentang bagaimana Proses Binomial Negatif yang dijelaskan di atas dapat dibangun.
LetNBP be the process so that
I don't think it is obvious from this description thatNBP(t) has a negative binomial NB(t,p) distribution, but there is a short proof using probability generating functions on Wikipedia, and Fisher also proved this when he introduced the logarithmic distribution to analyze the relative frequencies of species.
sumber
Saya belum bisa berkomentar, jadi saya minta maaf karena ini bukan solusi yang pasti.
Anda meminta distribusi yang sesuai untuk digunakan dengan NB tetapi tepat tidak sepenuhnya ditentukan. Jika distribusi yang tepat berarti tepat untuk menjelaskan data dan Anda mulai dengan Poisson yang overdispersi maka Anda mungkin harus melihat lebih jauh ke dalam penyebab overdispersi. NB tidak membedakan antara Poisson dengan cara heterogen atau ketergantungan kejadian positif (bahwa satu peristiwa yang terjadi meningkatkan kemungkinan terjadinya yang lain). Dalam waktu terus menerus ada juga ketergantungan durasi, misalnya ketergantungan durasi positif berarti berlalunya waktu meningkatkan probabilitas suatu kejadian. Itu juga menunjukkan bahwa ketergantungan durasi negatif asimtotik menyebabkan overdispersed Poisson [1] . Ini menambah daftar model waktu tunggu yang sesuai.
sumber