概率质量函数：

累积分布函数：

均值和方差：

生成服从负二项分布的伪随机数样本：

比较直方图和概率密度函数：

分布参数估计：

根据样本数据估计分布参数：

比较样本的密度直方图与所估计分布的概率密度函数：

偏度：

对于较大的 n，分布变得更对称：

极值：

峰度：

对于较大的 n，峰度接近为标准 NormalDistribution 的峰度：

极值：

以参数的函数形式表示不同矩的解析式：

Moment:

CentralMoment:

FactorialMoment:

具有符号式阶数的解析式：

Cumulant:

风险函数：

分位数函数：

用无量纲的 Quantity 来定义 NegativeBinomialDistribution：

NegativeBinomialDistribution 的累积分布函数是右连续函数的一个例子：

使用正反面概率相同的硬币时，在得到4个正面之前，出现的反面的次数：

绘制反面次数的分布图：

计算在得到4个正面之前，出现至少六个反面的概率：

计算在得到4个正面之前，出现的反面的期望次数：

投掷一个硬币10次，在第10次投掷时出现第8次正面. 如果该硬币正反面出现概率相同，求这样的事件的概率：

假定该硬币正反面出现概率不同，求 的最可能数值：

一个篮球运动员投射任意球，直到他投射其中四个. 他在其中任何一个得分的概率是 0.7. 模拟该过程：

求该运动员预期投射的次数：

求该运动员需要4次投篮的概率：

假设每分钟时间段的犯规概率是独立的，为 0.1. 模拟30分钟犯规过程：

一名篮球运动员在6次犯规后被罚出局. 求被罚出局之前比赛时间的期望值：

某种产品以每批60份进行出货检验，并且每批产品当发现第10个有缺陷的产品时，就被拒绝. 求如果该产品有20%的概率是有缺陷的话，一个批次被拒绝的概率：

另外，通过截断分布计算相同的结果：

模拟被拒绝的批次中无缺陷产品的数目：

说明在每批产品中的比率：

求被拒绝的批次中，无缺陷产品和有缺陷产品的平均比例：

一个包括 个数据包的数据流无排序信息地重复发送. 求当所有数据包第二次以正确的顺序到达时，无序数据流数目的分布：

求至多18次失败后，数据包将第二次以正确的顺序到达的概率：

求直至第二个有序数据流到达前，失败的平均数目：

模拟直到第二个有序数据流到达时，失败的数目：

当 n->∞ 时，NegativeBinomialDistribution[n,p] 收敛于一个正态分布：

负二项分布的变量之和服从负二项分布：

当均值固定时，负二项分布的极限是 PoissonDistribution：

与其它分布的关系：

负二项分布简化为 GeometricDistribution：

负二项分布与 PascalDistribution 相差一个位移：

n 个独立 GeometricDistribution 变量的和服从负二项分布：

对任意数目和的一般证明：

一个一元 NegativeMultinomialDistribution 是负二项分布：

NegativeBinomialDistribution 是 PoissonDistribution 和 GammaDistribution 的混合：

BetaNegativeBinomialDistribution 是负二项分布与 BetaDistribution 的混合：

NegativeBinomialDistribution 是 CompoundPoissonDistribution 的一个特例：

参数由下面给出：

绘制概率密度函数的图线：

当 n 不是正数时， NegativeBinomialDistribution 没有定义：

当 p 没有位于 0 和 1 之间时， NegativeBinomialDistribution 没有定义：

将无效参数代入符号式输出，所产生的结果没有意义：