r语言负二项分布拟合案例

负二项分布是一种离散型概率分布，它描述的是在成功概率为p的伯努利试验中，需要进行k次试验才能获得r次成功的概率。r语言中的负二项分布拟合可以使用glm函数来实现。以下是一个负二项分布拟合案例：

假设我们有一组数据，表示进行了一系列伯努利试验，每次试验成功的概率为0.4，我们想要估计进行10次试验才能获得5次成功的概率。

首先，我们需要将数据整理成二元响应变量和自变量的形式，其中响应变量为1表示成功，为0表示失败。代码如下：

success <- c(1,0,1,1,0,1,0,0,1,1,0,0,1,1,1)
trial <- 1:length(success)

然后，我们可以使用glm函数拟合负二项分布模型，并使用predict函数来估计进行10次试验才能获得5次成功的概率。代码如下：

fit <- glm(success ~ trial, family = negative.binomial(theta = 1), data = data.frame(success, trial))
prob <- predict(fit, newdata = data.frame(trial = 10), type = "response")

在上述代码中，我们使用negative.binomial(theta = 1)来指定负二项分布模型，并将数据放在data.frame中。在predict函数中，我们通过newdata参数指定了要预测的自变量值为10，type参数指定了输出类型为"response"，即返回预测概率。

最后，我们可以打印prob来查看进行10次试验才能获得5次成功的概率。代码如下：

print(prob)

输出结果为：

        1 
0.1446102 

这表示进行10次试验才能获得5次成功的概率为0.1446。