{"id":3279,"date":"2026-09-10T20:02:45","date_gmt":"2026-09-10T20:02:45","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/introduction-distribution-binomiale-negative\/"},"modified":"2026-09-10T20:02:45","modified_gmt":"2026-09-10T20:02:45","slug":"introduction-distribution-binomiale-negative","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=introduction-distribution-binomiale-negative","title":{"rendered":"Une introduction \u00e0 la distribution binomiale n\u00e9gative"},"content":{"rendered":"

La mod\u00e9lisation quantitative des ph\u00e9nom\u00e8nes discrets constitue l’un des piliers m\u00e9thodologiques les plus cruciaux au sein des sciences contemporaines, s’\u00e9tendant de l’\u00e9pid\u00e9miologie computationnelle \u00e0 la psychom\u00e9trie exp\u00e9rimentale. Lorsque les chercheurs s’int\u00e9ressent au d\u00e9nombrement d’occurrences discontinues — qu’il s’agisse de rechutes cliniques, de lapsus cognitifs ou de comportements d’absent\u00e9isme —, la distribution de probabilit\u00e9 choisie structure l’ensemble de l’inf\u00e9rence statistique. Trop souvent, l’intuition commune pousse le statisticien ou l’analyste de donn\u00e9es \u00e0 se rabattre sur le mod\u00e8le canonique de la loi de Poisson<\/a>. N\u00e9anmoins, ce choix par d\u00e9faut s’av\u00e8re r\u00e9guli\u00e8rement d\u00e9ficient, brid\u00e9 par une contrainte structurelle rigide : l’\u00e9galit\u00e9 stricte entre l’esp\u00e9rance math\u00e9matique et la variance.<\/p>\n

Dans la r\u00e9alit\u00e9 empirique du laboratoire ou de l’enqu\u00eate sociale, les donn\u00e9es manifestent quasi-syst\u00e9matiquement une h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 latente prononc\u00e9e. Les comportements ne surviennent pas selon un taux invariant, et la dispersion r\u00e9elle observ\u00e9e surclasse significativement la valeur pr\u00e9dite par le mod\u00e8le poissonien : c’est le ph\u00e9nom\u00e8ne pervasif de la surdispersion statistique. Pour appr\u00e9hender math\u00e9matiquement cette variabilit\u00e9 accrue sans renoncer aux exigences axiomatiques de la rigueur probabiliste, la loi binomiale n\u00e9gative<\/a> s’impose comme l’alternative th\u00e9orique et appliqu\u00e9e par excellence. En lib\u00e9rant la variance de son carcan unitaire gr\u00e2ce \u00e0 l’introduction d’un param\u00e8tre d’\u00e9chelle ou de dispersion, elle capture \u00e9l\u00e9gamment la complexit\u00e9 des dynamiques humaines et biologiques.<\/p>\n

Le pr\u00e9sent article propose une analyse exhaustive et rigoureusement contextualis\u00e9e de la distribution binomiale n\u00e9gative. Nous explorerons sa g\u00e9n\u00e9alogie probabiliste depuis les \u00e9preuves \u00e9l\u00e9mentaires de Bernoulli jusqu’aux raffinements analytiques contemporains du m\u00e9lange continu Poisson-Gamma. Nous d\u00e9taillerons ensuite son architecture math\u00e9matique, ses param\u00e8tres directeurs, ses m\u00e9thodes d’estimation param\u00e9trique et bay\u00e9sienne, ainsi que ses multiples impl\u00e9mentations dans les mod\u00e8les de r\u00e9gression pour donn\u00e9es de comptage. Cette trajectoire permettra de comprendre en quoi la distribution binomiale n\u00e9gative ne constitue pas seulement un correctif technique pour variances hypertrophi\u00e9es, mais incarne une philosophie probabiliste f\u00e9conde des temps d’attente et de l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 individuelle.<\/p>\n

1. Fondements th\u00e9oriques : des \u00e9preuves de Bernoulli \u00e0 la distribution binomiale n\u00e9gative<\/h2>\n

1.1 Le processus de Bernoulli comme unit\u00e9 \u00e9l\u00e9mentaire<\/h3>\n

\u00c0 l’origine de toute l’architecture des distributions discr\u00e8tes se trouve le concept \u00e9pur\u00e9 d’\u00e9preuve de Bernoulli<\/a>. Sur le plan axiomatique, une exp\u00e9rience de Bernoulli se d\u00e9finit formellement comme une exp\u00e9rience al\u00e9atoire ne tol\u00e9rant que deux issues mutuellement exclusives et conjointement exhaustives, classiquement dichotomis\u00e9es sous les \u00e9tiquettes arbitraires de \u00ab succ\u00e8s \u00bb et d’\u00ab \u00e9chec \u00bb. L’espace fondamental des \u00e9v\u00e9nements associ\u00e9 \u00e0 une telle \u00e9preuve se restreint \u00e0 un ensemble binaire Ω = {0, 1}, o\u00f9 la valeur 1 encode conventionnellement l’apparition de l’\u00e9v\u00e9nement cible avec une probabilit\u00e9 th\u00e9orique not\u00e9e p<\/em>, tandis que la valeur 0 correspond \u00e0 sa non-r\u00e9alisation, assign\u00e9e \u00e0 la probabilit\u00e9 compl\u00e9mentaire q<\/em> = 1 – p<\/em>, avec 0 < p<\/em> < 1.<\/p>\n

Pour \u00e9riger une s\u00e9quence stochastique — nomm\u00e9e processus de Bernoulli —, il est imp\u00e9ratif de postuler l’hypoth\u00e8se de l’ind\u00e9pendance statistique stricte entre les essais cons\u00e9cutifs. Math\u00e9matiquement, cela implique que pour toute sous-suite d’\u00e9preuves, la probabilit\u00e9 conjointe de survenue des \u00e9v\u00e9nements factorise rigoureusement le produit de leurs probabilit\u00e9s marginales. Aucune m\u00e9moire du syst\u00e8me ne subsiste : l’issue de l’essai n<\/em> n’exerce aucune influence causale, informative ou probabiliste sur l’issue de l’essai n<\/em> + 1. \u00c0 cette ind\u00e9pendance s\u00e9quentielle s’ajoute l’hypoth\u00e8se de stationnarit\u00e9 temporelle, stipulant que la probabilit\u00e9 p<\/em> demeure strictement invariante au fil des it\u00e9rations successives du protocole.<\/p>\n

Ces abstractions trouvent une incarnation paradigmatique dans les domaines empiriques, allant du lancer id\u00e9alis\u00e9 d’une pi\u00e8ce de monnaie non biais\u00e9e jusqu’\u00e0 la passation d’items dichotomiques au sein de la psychom\u00e9trie contemporaine<\/a>. Dans un test \u00e9valuant l’attention soutenue, chaque stimulus visuel pr\u00e9sent\u00e9 peut \u00eatre mod\u00e9lis\u00e9 comme un essai de Bernoulli : soit le participant d\u00e9tecte la cible (succ\u00e8s), soit il l’omet (\u00e9chec). Bien que la psychologie cognitive sache pertinemment que l’attention fluctue sous l’effet de l’\u00e9veil ou de la fatigue, l’\u00e9preuve de Bernoulli demeure le socle r\u00e9ductionniste indispensable \u00e0 partir duquel des structures stochastiques plus sophistiqu\u00e9es peuvent \u00eatre d\u00e9riv\u00e9es de mani\u00e8re analytique.<\/p>\n

1.2 Transition conceptuelle du mod\u00e8le g\u00e9om\u00e9trique au mod\u00e8le binomial n\u00e9gatif<\/h3>\n

Lorsque l’on it\u00e8re un processus de Bernoulli de mani\u00e8re ind\u00e9finie jusqu’\u00e0 la premi\u00e8re survenue de l’\u00e9v\u00e9nement cible, l’objet d’\u00e9tude change de nature : la variable al\u00e9atoire ne d\u00e9crit plus le r\u00e9sultat d’un essai unique, mais le temps d’attente avant l’accomplissement d’un objectif probabiliste. Cette configuration engendre la loi g\u00e9om\u00e9trique<\/a>. Dans cette perspective, la variable Y<\/em> repr\u00e9sente le nombre d’\u00e9checs observ\u00e9s avant d’obtenir le tout premier succ\u00e8s. La distribution g\u00e9om\u00e9trique jouit d’une propri\u00e9t\u00e9 fondamentale et restrictive : l’absence de m\u00e9moire. Formellement, pour tous entiers naturels s<\/em> et t<\/em>, l’\u00e9galit\u00e9 P<\/em>(Y<\/em> ≥ s<\/em> + t<\/em> | Y<\/em> ≥ s<\/em>) = P<\/em>(Y<\/em> ≥ t<\/em>) demeure v\u00e9rifi\u00e9e, traduisant le fait que l’\u00e9coulement d’une s\u00e9rie infructueuse n’alt\u00e8re en rien l’esp\u00e9rance r\u00e9siduelle de succ\u00e8s.<\/p>\n

Si l’absence de m\u00e9moire s’av\u00e8re math\u00e9matiquement \u00e9l\u00e9gante, elle constitue souvent un postulat insoutenable dans l’analyse des syst\u00e8mes adaptatifs ou comportementaux. Dans l’apprentissage humain ou animal, la r\u00e9currence de tentatives infructueuses modifie la structure cognitive de l’agent, soit en affinant ses strat\u00e9gies exploratoires (apprentissage progressif), soit en provoquant un \u00e9puisement des ressources (r\u00e9signation acquise). L’extension conceptuelle naturelle consiste alors \u00e0 s’affranchir du seuil unitaire du premier succ\u00e8s pour s’int\u00e9resser \u00e0 l’attente d’un nombre arbitraire et pr\u00e9d\u00e9termin\u00e9 d’\u00e9v\u00e9nements favorables, not\u00e9 conventionnellement r<\/em>. D\u00e8s lors que r<\/em> > 1, le processus abandonne sa simplicit\u00e9 \u00e9l\u00e9mentaire pour donner naissance \u00e0 la distribution binomiale n\u00e9gative.<\/p>\n

D’un point de vue combinatoire et stochastique, la distribution binomiale n\u00e9gative peut \u00eatre conceptualis\u00e9e comme la somme de r<\/em> variables al\u00e9atoires g\u00e9om\u00e9triques ind\u00e9pendantes et identiquement distribu\u00e9es, chacune r\u00e9gie par le m\u00eame param\u00e8tre de succ\u00e8s p<\/em>. Chaque sous-segment du processus s’ach\u00e8ve d\u00e8s qu’un nouveau succ\u00e8s est valid\u00e9, r\u00e9initialisant l’attente du succ\u00e8s subs\u00e9quent. Cette agr\u00e9gation s\u00e9quentielle conf\u00e8re \u00e0 la binomiale n\u00e9gative une flexibilit\u00e9 remarquable : elle n’est plus asservie \u00e0 l’absence de m\u00e9moire globale, car la distribution de la somme d\u00e9pend structurellement de la valeur assign\u00e9e au quota r<\/em>, autorisant la mod\u00e9lisation de m\u00e9canismes d’accumulation d’exp\u00e9riences ou d’\u00e9preuves \u00e0 \u00e9tapes multiples.<\/p>\n

1.3 Distinction fondamentale entre loi binomiale standard et n\u00e9gative<\/h3>\n

La distinction entre la loi binomiale classique et la loi binomiale n\u00e9gative repr\u00e9sente une bifurcation \u00e9pist\u00e9mologique majeure dans le protocole de recueil des donn\u00e9es exp\u00e9rimentales. Dans le cadre de la loi binomiale standard<\/a>, le chercheur fige a priori l’horizon d’\u00e9chantillonnage : le nombre total d’essais n<\/em> est une constante d\u00e9terministe arr\u00eat\u00e9e avant le d\u00e9but de l’investigation. La variable al\u00e9atoire d’int\u00e9r\u00eat est alors le nombre de succ\u00e8s K<\/em> observ\u00e9s \u00e0 l’int\u00e9rieur de cette fen\u00eatre d’observation fixe. L’espace fondamental des r\u00e9alisations possibles pour K<\/em> se trouve born\u00e9 de fa\u00e7on rigide par l’intervalle discret [0, n<\/em>].<\/p>\n

\u00c0 l’oppos\u00e9, la distribution binomiale n\u00e9gative op\u00e8re une inversion radicale de ce sch\u00e9ma exp\u00e9rimental par le truchement d’une condition d’arr\u00eat dynamique. Dans ce protocole — historiquement d\u00e9sign\u00e9 sous l’appellation d’\u00e9chantillonnage inverse ou s\u00e9quentiel —, ce n’est point le nombre total d’essais qui est pr\u00e9d\u00e9termin\u00e9, mais le nombre requis d’occurrences de l’\u00e9v\u00e9nement cible, le param\u00e8tre r<\/em>. L’exp\u00e9rimentateur poursuit l’administration des \u00e9preuves jusqu’\u00e0 l’exacte obtention du r<\/em>-i\u00e8me succ\u00e8s. D\u00e8s lors, la variable al\u00e9atoire devient soit le nombre d’\u00e9checs X<\/em> accumul\u00e9s avant d’atteindre ce quota, soit le nombre total d’essais N<\/em> = X<\/em> + r<\/em> requis pour parvenir au terme du protocole. L’espace d’\u00e9chantillonnage associ\u00e9 n’est plus born\u00e9 sup\u00e9rieurement ; il s’\u00e9tend sur la totalit\u00e9 de l’ensemble infini d\u00e9nombrable des entiers naturels.<\/p>\n

Ces divergences de structure d’\u00e9chantillonnage emportent des cons\u00e9quences conceptuelles d\u00e9terminantes pour les sciences du comportement. Si l’on \u00e9value la persistance cognitive chez un patient c\u00e9r\u00e9brol\u00e9s\u00e9, contraindre le sujet \u00e0 cinquante essais fixes rel\u00e8ve de la logique binomiale standard. En revanche, suspendre l’\u00e9valuation d\u00e8s que le sujet a compl\u00e9t\u00e9 avec succ\u00e8s cinq exercices cons\u00e9cutifs rel\u00e8ve intrins\u00e8quement de la logique binomiale n\u00e9gative. Les lois d’erreur associ\u00e9es, la d\u00e9rivation des fonctions de vraisemblance et la structure des intervalles de confiance divergent substantiellement selon la condition d’arr\u00eat op\u00e9rationnalis\u00e9e par le chercheur, soulignant la n\u00e9cessit\u00e9 de faire correspondre rigoureusement le mod\u00e8le math\u00e9matique au design empirique d\u00e9ploy\u00e9.<\/p>\n

2. D\u00e9finition formelle et param\u00e8tres fondamentaux de la loi binomiale n\u00e9gative<\/h2>\n

2.1 D\u00e9finition axiomatique de la variable al\u00e9atoire<\/h3>\n

Pour \u00e9tablir une formulation rigoureuse, consid\u00e9rons une suite infinie d’\u00e9preuves de Bernoulli mutuellement ind\u00e9pendantes, caract\u00e9ris\u00e9es par un param\u00e8tre de succ\u00e8s constant p<\/em> ∈ ]0, 1[ et un param\u00e8tre d’\u00e9chec compl\u00e9mentaire q<\/em> = 1 – p<\/em>. Soit r<\/em> un entier naturel strictement positif fix\u00e9 a priori. On d\u00e9finit la variable al\u00e9atoire discr\u00e8te X<\/em> comme le d\u00e9nombrement des \u00e9checs survenus avant l’obtention du r<\/em>-i\u00e8me succ\u00e8s. Le support math\u00e9matique de cette variable X<\/em> est pr\u00e9cis\u00e9ment l’ensemble des entiers naturels ℕ = {0, 1, 2, 3, …}. La r\u00e9alisation X<\/em> = 0 signale le cas parfait o\u00f9 les r<\/em> premiers essais ont tous \u00e9t\u00e9 couronn\u00e9s de succ\u00e8s sans l’interposition d’aucun \u00e9chec.<\/p>\n

Il convient de souligner qu’une convention alternative pr\u00e9vaut dans une partie substantielle de la litt\u00e9rature probabiliste fondamentale. Certains auteurs d\u00e9finissent la variable al\u00e9atoire, not\u00e9e ici N<\/em>, comme le nombre total d’essais n\u00e9cessaires pour collecter les r<\/em> succ\u00e8s. La relation de passage entre ces deux d\u00e9finitions est purement affine : N<\/em> = X<\/em> + r<\/em>. Le support math\u00e9matique de N<\/em> devient alors l’ensemble translat\u00e9 {r<\/em>, r<\/em> + 1, r<\/em> + 2, …}. Bien que ces deux formulations soient isomorphes sur le plan informationnel, la param\u00e9trisation centr\u00e9e sur le nombre d’\u00e9checs X<\/em> s’av\u00e8re immens\u00e9ment plus mall\u00e9able pour les applications statistiques contemporaines. En effet, elle autorise un support d\u00e9butant \u00e0 z\u00e9ro, condition pr\u00e9alable indispensable pour l’int\u00e9gration de la loi binomiale n\u00e9gative au sein des mod\u00e8les lin\u00e9aires g\u00e9n\u00e9ralis\u00e9s pour donn\u00e9es de comptage.<\/p>\n

Sous cette convention moderne centr\u00e9e sur les \u00e9checs, la distribution est formellement d\u00e9sign\u00e9e par la notation X<\/em> ~ NB(r<\/em>, p<\/em>), o\u00f9 le vecteur des param\u00e8tres (r<\/em>, p<\/em>) gouverne exhaustivement le comportement stochastique de la variable. Cette notation standardis\u00e9 condense l’architecture probabiliste sous-jacente et permet d’\u00e9tudier les variations fonctionnelles induites par la modification respective du seuil d’occurrences et de la propension au succ\u00e8s.<\/p>\n

2.2 R\u00f4le et contraintes du param\u00e8tre de forme r<\/h3>\n

Dans la gen\u00e8se combinatoire initiale de la distribution, le param\u00e8tre r<\/em> est restreint \u00e0 l’ensemble des entiers positifs ℕ*<\/sup> = {1, 2, 3, …}. \u00c0 ce titre, il remplit une fonction physique et concr\u00e8te : il quantifie le seuil d\u00e9terministe d’\u00e9v\u00e9nements recherch\u00e9s avant que l’exp\u00e9rience ne soit interrompue. Lorsque r<\/em> = 1, la distribution co\u00efncide de fa\u00e7on triviale avec la loi g\u00e9om\u00e9trique discr\u00e8te sur ℕ, confirmant que cette derni\u00e8re n’est autre qu’une instanciation unitaire de la binomiale n\u00e9gative.<\/p>\n

N\u00e9anmoins, la puissance analytique de la loi binomiale n\u00e9gative ne s’est pleinement r\u00e9v\u00e9l\u00e9e qu’avec l’\u00e9mancipation formelle de r<\/em> au-del\u00e0 du domaine discret. Par le truchement de la fonction Gamma d’Euler<\/a>, le param\u00e8tre r<\/em> — fr\u00e9quemment d\u00e9sign\u00e9 sous le vocable de param\u00e8tre de forme, de dispersion ou de taille — peut \u00eatre \u00e9tendu de fa\u00e7on continue \u00e0 l’ensemble des r\u00e9els strictement positifs : r<\/em> ∈ ℝ+<\/sub>*<\/sup>. D\u00e8s lors, r<\/em> perd son interpr\u00e9tation imm\u00e9diate de comptage d’\u00e9v\u00e9nements pour endosser un statut de r\u00e9gulateur d’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 stochastique.<\/p>\n

La valeur num\u00e9rique de r<\/em> exerce une emprise pr\u00e9pond\u00e9rante sur la morphologie de la distribution r\u00e9sultante, en particulier sur son asym\u00e9trie et sa densit\u00e9 au voisinage de z\u00e9ro. Lorsque r<\/em> est fractionnaire et tr\u00e8s faible (par exemple r<\/em> < 1), la distribution affiche une d\u00e9croissance monotone abrupte, concentrant une masse de probabilit\u00e9 massive sur les valeurs nulles ou tr\u00e8s r\u00e9duites, tout en d\u00e9ployant une queue de distribution extr\u00eamement \u00e9tir\u00e9e vers les entiers \u00e9lev\u00e9s. Au fur et \u00e0 mesure que r<\/em> cro\u00eet, la distribution d\u00e9veloppe un mode int\u00e9rieur distinct et son asym\u00e9trie s’att\u00e9nue. \u00c0 la limite asymptotique, lorsque r<\/em> tend vers l’infini avec une moyenne maintenue constante, la loi binomiale n\u00e9gative perd son exc\u00e9dent de variance pour converger vers la distribution de Poisson, attestant de sa capacit\u00e9 \u00e0 mod\u00e9liser un continuum d’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9.<\/p>\n

2.3 R\u00f4le et interpr\u00e9tation du param\u00e8tre de probabilit\u00e9 p<\/h3>\n

Le second param\u00e8tre cardinal, not\u00e9 p<\/em>, r\u00e9side sur l’intervalle ouvert ]0, 1[ et traduit la probabilit\u00e9 stationnaire de r\u00e9alisation du succ\u00e8s \u00e0 chaque essai individuel du processus bernoullien sous-jacent. Bien qu’il conserve cette signification intuitive de propension instantan\u00e9e, son r\u00f4le op\u00e9rationnel au sein de la fonction de masse consiste \u00e0 r\u00e9guler l’\u00e9chelle et l’allongement de la distribution des \u00e9checs. Le param\u00e8tre compl\u00e9mentaire q<\/em> = 1 – p<\/em> exprime la probabilit\u00e9 de survenue d’un \u00e9chec.<\/p>\n

L’analyse de la sensibilit\u00e9 d\u00e9montre que les variations infinit\u00e9simales de p<\/em> g\u00e9n\u00e8rent des restructurations profondes dans le profil de d\u00e9croissance de la queue de distribution. Si p<\/em> est particuli\u00e8rement \u00e9lev\u00e9, proche de l’unit\u00e9, la probabilit\u00e9 d’accumuler des \u00e9checs s’effondre de fa\u00e7on quasi exponentielle : le syst\u00e8me valide rapidement ses r<\/em> succ\u00e8s et les probabilit\u00e9s associ\u00e9es aux entiers k<\/em> \u00e9lev\u00e9s deviennent rigoureusement n\u00e9gligeables. Inversement, lorsque p<\/em> glisse vers z\u00e9ro, la probabilit\u00e9 d’\u00e9chec 1 – p<\/em> devient dominante, propulsant le centre de gravit\u00e9 de la distribution vers des r\u00e9gions tr\u00e8s \u00e9loign\u00e9es de l’origine et conf\u00e9rant \u00e0 la loi une variance consid\u00e9rable.<\/p>\n

D’un point de vue inf\u00e9rentiel, l’estimation conjointe du couple (r<\/em>, p<\/em>) pose des d\u00e9fis remarquables. En pr\u00e9sence d’\u00e9chantillons de taille modeste, le param\u00e8tre p<\/em> peut manifester une corr\u00e9lation d’\u00e9chantillonnage \u00e9lev\u00e9e avec le param\u00e8tre de forme r<\/em>, ce qui engendre des surfaces de log-vraisemblance aplaties ou des vall\u00e9es d’optimisation complexes. Cependant, sous des conditions r\u00e9guli\u00e8res de grands \u00e9chantillons, l’estimateur de p<\/em> recouvre sa consistance asymptotique et sa normalit\u00e9 locale, autorisant une interpr\u00e9tation robuste du taux d’occurrence sous-jacent.<\/p>\n

3. Formulation math\u00e9matique de la fonction de masse de probabilit\u00e9<\/h2>\n

3.1 D\u00e9rivation combinatoire de la fonction de masse<\/h3>\n

La d\u00e9rivation analytique de la fonction de masse de probabilit\u00e9<\/a> repose enti\u00e8rement sur l’imposition de la condition d’arr\u00eat sp\u00e9cifique \u00e0 l’\u00e9chantillonnage inverse. Consid\u00e9rons l’\u00e9v\u00e9nement discret {X<\/em> = k<\/em>}, signifiant que le protocole a g\u00e9n\u00e9r\u00e9 tr\u00e8s exactement k<\/em> \u00e9checs avant que le r<\/em>-i\u00e8me succ\u00e8s n’ait \u00e9t\u00e9 mat\u00e9rialis\u00e9. Cette configuration implique de fa\u00e7on in\u00e9luctable que le nombre global d’\u00e9preuves administr\u00e9es jusqu’\u00e0 l’interruption d\u00e9finitive de l’exp\u00e9rience est rigoureusement \u00e9gal \u00e0 k<\/em> + r<\/em>.<\/p>\n

L’\u00e9l\u00e9ment d’architecture combinatoire d\u00e9terminant r\u00e9side dans la position de l’ultime succ\u00e8s : le r<\/em>-i\u00e8me succ\u00e8s doit obligatoirement occuper la toute derni\u00e8re place de la s\u00e9quence, soit l’essai num\u00e9ro k<\/em> + r<\/em>. Si ce succ\u00e8s survenait plus t\u00f4t, l’exp\u00e9rience se serait cl\u00f4tur\u00e9e pr\u00e9matur\u00e9ment ; s’il survenait plus tard, le nombre d’\u00e9checs avant ce jalon ne serait pas k<\/em>. Par cons\u00e9quent, les k<\/em> \u00e9checs et les r<\/em> – 1 succ\u00e8s pr\u00e9liminaires sont distribu\u00e9s dans un ordre quelconque \u00e0 travers les k<\/em> + r<\/em> – 1 premiers essais de la s\u00e9rie temporelle.<\/p>\n

Le nombre de permutations distinctes permettant de placer k<\/em> \u00e9checs au sein de ces k<\/em> + r<\/em> – 1 emplacements disponibles est donn\u00e9 par le coefficient binomial \u00e9l\u00e9mentaire C(k<\/em> + r<\/em> – 1, k<\/em>), qui s’\u00e9crit formellement en notation factorielle :<\/p>\n

C(k<\/em> + r<\/em> – 1, k<\/em>) = (k<\/em> + r<\/em> – 1)! \/ [ k<\/em>! (r<\/em> – 1)! ]<\/p>\n

Par l’hypoth\u00e8se d’ind\u00e9pendance mutuelle r\u00e9gissant le processus de Bernoulli, chaque s\u00e9quence individuelle admissible exhibant exactement r<\/em> succ\u00e8s et k<\/em> \u00e9checs poss\u00e8de une probabilit\u00e9 multiplicative uniforme \u00e9gale \u00e0 p<\/em>r<\/em><\/sup> (1 – p<\/em>)k<\/em><\/sup>. En sommant cette probabilit\u00e9 sur l’ensemble des configurations combinatoires disjointes, on obtient l’expression classique de la probabilit\u00e9 ponctuelle pour tout k<\/em> ∈ ℕ :<\/p>\n

P<\/em>(X<\/em> = k<\/em>) = C(k<\/em> + r<\/em> – 1, k<\/em>) × p<\/em>r<\/em><\/sup> × (1 – p<\/em>)k<\/em><\/sup><\/p>\n

Pour attester de la l\u00e9gitimit\u00e9 probabiliste de cette fonction de masse, il est n\u00e9cessaire de d\u00e9montrer sa sommabilit\u00e9 unitaire sur l’int\u00e9gralit\u00e9 du support discret, c’est-\u00e0-dire que la somme infinie de k<\/em> = 0 \u00e0 l’infini des probabilit\u00e9s P<\/em>(X<\/em> = k<\/em>) \u00e9quivaut exactement \u00e0 1. Cette preuve d\u00e9coule directement du d\u00e9veloppement en s\u00e9rie binomiale \u00e0 exposant n\u00e9gatif expos\u00e9 dans les sections suivantes.<\/p>\n

3.2 Exemple analytique pas \u00e0 pas : le paradigme du lancer de pi\u00e8ce<\/h3>\n

Afin de concr\u00e9tiser cette d\u00e9rivation th\u00e9orique, examinons une application num\u00e9rique d\u00e9limit\u00e9e bas\u00e9e sur un protocole classique de lancers de pi\u00e8ce \u00e9quilibr\u00e9e. Soit une pi\u00e8ce non biais\u00e9e pour laquelle la probabilit\u00e9 de pile (consid\u00e9r\u00e9 arbitrairement comme le succ\u00e8s) est exactement sym\u00e9trique : p<\/em> = 0,5, et subs\u00e9quemment q<\/em> = 1 – p<\/em> = 0,5. Imaginons que le chercheur d\u00e9cide de stopper l’exp\u00e9rience d\u00e8s qu’il collecte un quota de r<\/em> = 4 piles. Il s’interroge sur la probabilit\u00e9 exacte d’observer pr\u00e9cis\u00e9ment k<\/em> = 6 faces (\u00e9checs) avant la compl\u00e9tion de cet objectif.<\/p>\n

La premi\u00e8re \u00e9tape m\u00e9thodologique consiste \u00e0 d\u00e9terminer l’horizon total de l’exp\u00e9rience conditionnelle. Pour totaliser 4 succ\u00e8s et 6 \u00e9checs, la s\u00e9quence n\u00e9cessite imp\u00e9rativement k<\/em> + r<\/em> = 6 + 4 = 10 lancers au total. Le dixi\u00e8me lancer \u00e9tant irr\u00e9vocablement r\u00e9serv\u00e9 au quatri\u00e8me pile victorieux, les 6 faces et les 3 premiers piles doivent s’intercaler le long des k<\/em> + r<\/em> – 1 = 9 premiers essais.<\/p>\n

La deuxi\u00e8me \u00e9tape requiert le calcul du coefficient combinatoire r\u00e9gissant les permutations possibles :<\/p>\n

C(9, 6) = 9! \/ [ 6! (9 – 6)! ] = (9 × 8 × 7) \/ (3 × 2 × 1) = 504 \/ 6 = 84 configurations viables.<\/p>\n

La troisi\u00e8me \u00e9tape applique la loi des probabilit\u00e9s conjointes pour calculer le poids d’une s\u00e9quence sp\u00e9cifique :<\/p>\n

p<\/em>r<\/em><\/sup> × (1 – p<\/em>)k<\/em><\/sup> = (0,5)4<\/sup> × (0,5)6<\/sup> = (0,5)10<\/sup> = 1 \/ 1024 ≈ 0,0009765625.<\/p>\n

La quatri\u00e8me \u00e9tape conjugue le multiplicateur combinatoire et la probabilit\u00e9 \u00e9l\u00e9mentaire pour d\u00e9livrer la probabilit\u00e9 finale :<\/p>\n

P<\/em>(X<\/em> = 6) = 84 × (1 \/ 1024) = 84 \/ 1024 = 21 \/ 256 ≈ 0,08203125.<\/p>\n

Ainsi, la probabilit\u00e9 d’accumuler exactement six \u00e9checs avant de concr\u00e9tiser quatre succ\u00e8s sous ces conditions s’\u00e9l\u00e8ve \u00e0 approximativement 8,20 %. L’intuition probabiliste brute tend fr\u00e9quemment \u00e0 sous-estimer ce type de probabilit\u00e9s \u00e9tal\u00e9es, illustrant la dispersion substantielle inh\u00e9rente aux lois de temps d’attente compar\u00e9es aux distributions binomiales conventionnelles focalis\u00e9es sur un d\u00e9nominateur fixe.<\/p>\n

3.3 G\u00e9n\u00e9ralisation par la s\u00e9rie binomiale n\u00e9gative<\/h3>\n

L’appellation \u00ab binomiale n\u00e9gative \u00bb, qui peut sembler paradoxale de prime abord dans la mesure o\u00f9 une probabilit\u00e9 ne saurait \u00eatre n\u00e9gative, tire son origine formelle d’une identit\u00e9 de l’analyse math\u00e9matique classique : le d\u00e9veloppement en s\u00e9rie de Taylor-Maclaurin<\/a> de la fonction binomiale affect\u00e9e d’un exposant alg\u00e9brique n\u00e9gatif. Consid\u00e9rons la fonction analytique (1 – t<\/em>)–r<\/em><\/sup> d\u00e9finie sur le disque ouvert de convergence |t<\/em>| < 1 pour tout r<\/em> > 0.<\/p>\n

En mobilisant la formule du bin\u00f4me g\u00e9n\u00e9ralis\u00e9, cette fonction admet l’expansion en s\u00e9rie enti\u00e8re suivante :<\/p>\n

(1 – t<\/em>)–r<\/em><\/sup> = Σ(k<\/em> = 0 \u00e0 ∞)<\/sub> C(-r<\/em>, k<\/em>) (-t<\/em>)k<\/em><\/sup><\/p>\n

o\u00f9 le coefficient binomial g\u00e9n\u00e9ralis\u00e9 \u00e9tendu aux nombres r\u00e9els s’exprime par le produit d\u00e9croissant :<\/p>\n

C(-r<\/em>, k<\/em>) = [ (-r<\/em>)(-r<\/em> – 1)(-r<\/em> – 2)…(-r<\/em> – k<\/em> + 1) ] \/ k<\/em>!<\/p>\n

En factorisant syst\u00e9matiquement la constante -1 issue de chacun des k<\/em> facteurs du num\u00e9rateur, une inversion de signe remarquable op\u00e8re :<\/p>\n

C(-r<\/em>, k<\/em>) = (-1)k<\/em><\/sup> [ r<\/em>(r<\/em> + 1)(r<\/em> + 2)…(r<\/em> + k<\/em> – 1) ] \/ k<\/em>! = (-1)k<\/em><\/sup> × Γ(k<\/em> + r<\/em>) \/ [ k<\/em>! Γ(r<\/em>) ]<\/p>\n

Lorsque cette d\u00e9composition est r\u00e9inject\u00e9e dans le terme g\u00e9n\u00e9ral de la s\u00e9rie, les facteurs altern\u00e9s (-1)k<\/em><\/sup> s’annulent rigoureusement avec (-t<\/em>)k<\/em><\/sup>, conf\u00e9rant \u00e0 la somme une structure exclusivement positive :<\/p>\n

(1 – t<\/em>)–r<\/em><\/sup> = Σ(k<\/em> = 0 \u00e0 ∞)<\/sub> [ Γ(k<\/em> + r<\/em>) \/ (k<\/em>! Γ(r<\/em>)) ] t<\/em>k<\/em><\/sup><\/p>\n

Si l’on substitue la variable formelle t<\/em> par la probabilit\u00e9 d’\u00e9chec 1 – p<\/em> et que l’on multiplie l’int\u00e9gralit\u00e9 de l’\u00e9quation par la constante scalaire p<\/em>r<\/em><\/sup>, l’\u00e9galit\u00e9 devient :<\/p>\n

p<\/em>r<\/em><\/sup> [ 1 – (1 – p<\/em>) ]–r<\/em><\/sup> = p<\/em>r<\/em><\/sup> (p<\/em>)–r<\/em><\/sup> = 1 = Σ(k<\/em> = 0 \u00e0 ∞)<\/sub> [ Γ(k<\/em> + r<\/em>) \/ (k<\/em>! Γ(r<\/em>)) ] p<\/em>r<\/em><\/sup> (1 – p<\/em>)k<\/em><\/sup><\/p>\n

Cette d\u00e9monstration \u00e9tablit formellement que la somme de la fonction de masse binomiale n\u00e9gative — g\u00e9n\u00e9ralis\u00e9e aux arguments r\u00e9els r<\/em> > 0 — est strictement unitaire sur l’ensemble des entiers naturels. La pr\u00e9sence de l’exposant n\u00e9gatif –r<\/em> au sein de la fonction g\u00e9n\u00e9ratrice justifie ainsi historiquement et math\u00e9matiquement l’adjectif \u00ab n\u00e9gative \u00bb adoss\u00e9 \u00e0 ce puissant mod\u00e8le de distribution.<\/p>\n

4. Propri\u00e9t\u00e9s statistiques fondamentales : esp\u00e9rance, variance et surdispersion<\/h2>\n

4.1 Calcul et d\u00e9rivation de l’esp\u00e9rance math\u00e9matique<\/h3>\n

L’esp\u00e9rance math\u00e9matique d’une variable al\u00e9atoire X<\/em> distribu\u00e9e selon une loi binomiale n\u00e9gative standard NB(r<\/em>, p<\/em>) repr\u00e9sente le nombre moyen d’\u00e9checs auxquels l’exp\u00e9rimentateur doit s’attendre avant d’observer l’accomplissement des r<\/em> succ\u00e8s programm\u00e9s. Pour calculer formellement ce premier moment ordinaire, on applique la d\u00e9finition de la somme discr\u00e8te pond\u00e9r\u00e9e par la fonction de masse :<\/p>\n

E(X<\/em>) = Σ(k<\/em> = 0 \u00e0 ∞)<\/sub> k<\/em> × [ Γ(k<\/em> + r<\/em>) \/ (k<\/em>! Γ(r<\/em>)) ] p<\/em>r<\/em><\/sup> (1 – p<\/em>)k<\/em><\/sup><\/p>\n

Le terme correspondant \u00e0 k<\/em> = 0 s’annulant de mani\u00e8re \u00e9vidente, l’indice de sommation peut \u00eatre r\u00e9initialis\u00e9 \u00e0 k<\/em> = 1. En simplifiant le ratio k<\/em> \/ k<\/em>! = 1 \/ (k<\/em> – 1)!, et en exploitant la propri\u00e9t\u00e9 r\u00e9cursive fondamentale de la fonction Gamma, selon laquelle Γ(k<\/em> + r<\/em>) = (k<\/em> + r<\/em> – 1) Γ(k<\/em> + r<\/em> – 1) = (r<\/em>) × Γ(k<\/em> + r<\/em> – 1 + 1) \/ Γ(r<\/em> + 1), on peut factoriser les termes constants en dehors de l’op\u00e9rateur de sommation :<\/p>\n

E(X<\/em>) = r<\/em> [(1 – p<\/em>) \/ p<\/em>] Σ(j<\/em> = 0 \u00e0 ∞)<\/sub> [ Γ(j<\/em> + r<\/em> + 1) \/ (j<\/em>! Γ(r<\/em> + 1)) ] p<\/em>r<\/em> + 1<\/sup> (1 – p<\/em>)j<\/em><\/sup><\/p>\n

o\u00f9 l’on a op\u00e9r\u00e9 le changement de variable muet j<\/em> = k<\/em> – 1. La somme infinie r\u00e9sultante n’est autre que la sommation totale de la fonction de masse d’une distribution binomiale n\u00e9gative r\u00e9\u00e9chelonn\u00e9e de param\u00e8tres (r<\/em> + 1, p<\/em>), dont la valeur est rigoureusement \u00e9gale \u00e0 1 par axiome d’unitarit\u00e9. Par cons\u00e9quent, l’expression de l’esp\u00e9rance se simplifie sous sa forme canonique :<\/p>\n

E(X<\/em>) = r<\/em> (1 – p<\/em>) \/ p<\/em><\/p>\n

Une voie alternative particuli\u00e8rement \u00e9l\u00e9gante pour d\u00e9river ce moment r\u00e9side dans l’utilisation de la fonction g\u00e9n\u00e9ratrice des moments<\/a>, d\u00e9finie pour la loi binomiale n\u00e9gative par M<\/em>X<\/em><\/sub>(t<\/em>) = [ p<\/em> \/ (1 – (1 – p<\/em>) et<\/em><\/sup>) ]r<\/em><\/sup>, valide pour tout t<\/em> < -ln(1 – p<\/em>). La premi\u00e8re d\u00e9riv\u00e9e M<\/em>‘X<\/em><\/sub>(t<\/em>) \u00e9valu\u00e9e en t<\/em> = 0 restitue de fa\u00e7on imm\u00e9diate et rigoureuse la quantit\u00e9 r<\/em>(1 – p<\/em>) \/ p<\/em>.<\/p>\n

En psychologie comportementale, cette formulation d\u00e9livre une grille de lecture intuitive du temps d’attente d’extinction. Si un protocole d’apprentissage requiert r<\/em> succ\u00e8s avec une faible probabilit\u00e9 de r\u00e9ussite individuelle p<\/em>, la valeur de E(X<\/em>) explose de fa\u00e7on hyperbolique, refl\u00e9tant la pers\u00e9v\u00e9ration d’\u00e9checs avant l’int\u00e9gration du crit\u00e8re comportemental vis\u00e9.<\/p>\n

4.2 Variance et structure du second moment centr\u00e9<\/h3>\n

La d\u00e9termination de la variance th\u00e9orique d’une distribution constitue l’indicateur d’\u00e9chelle indispensable pour jauger la pr\u00e9cision de la tendance centrale. Pour la variable al\u00e9atoire X<\/em> ~ NB(r<\/em>, p<\/em>), la d\u00e9rivation s’obtient usuellement en \u00e9valuant au pr\u00e9alable le moment factoriel de second ordre E[X<\/em>(X<\/em> – 1)], qui correspond \u00e0 la seconde d\u00e9riv\u00e9e de la fonction g\u00e9n\u00e9ratrice des probabilit\u00e9s \u00e9valu\u00e9e en 1, ou encore \u00e0 la d\u00e9rivation analytique :<\/p>\n

E[X<\/em>(X<\/em> – 1)] = r<\/em> (r<\/em> + 1) (1 – p<\/em>)2<\/sup> \/ p<\/em>2<\/sup><\/p>\n

En recombinant ce moment factoriel avec l’esp\u00e9rance selon l’identit\u00e9 d’alg\u00e8bre des moments E(X<\/em>2<\/sup>) = E[X<\/em>(X<\/em> – 1)] + E(X<\/em>), nous obtenons le moment ordinaire d’ordre deux. La variance Var(X<\/em>) = E(X<\/em>2<\/sup>) – [E(X<\/em>)]2<\/sup> se formule alors au terme des simplifications alg\u00e9briques par :<\/p>\n

Var(X<\/em>) = r<\/em> (1 – p<\/em>) \/ p<\/em>2<\/sup><\/p>\n

La structure formelle de cette variance r\u00e9v\u00e8le imm\u00e9diatement une relation d’in\u00e9galit\u00e9 structurelle capitale en statistique inf\u00e9rentielle :<\/p>\n

Var(X<\/em>) = [ r<\/em> (1 – p<\/em>) \/ p<\/em> ] × (1 \/ p<\/em>) = E(X<\/em>) × (1 \/ p<\/em>)<\/p>\n

Puisque le param\u00e8tre de probabilit\u00e9 p<\/em> est strictement born\u00e9 au sein de l’intervalle ouvert ]0, 1[, le facteur scalaire 1 \/ p<\/em> est obligatoirement sup\u00e9rieur \u00e0 l’unit\u00e9 : 1 \/ p<\/em> > 1. Il s’ensuit de mani\u00e8re inconditionnelle et math\u00e9matiquement inalt\u00e9rable que pour toute distribution binomiale n\u00e9gative :<\/p>\n

Var(X<\/em>) > E(X<\/em>)<\/p>\n

Cette propri\u00e9t\u00e9 constitue l’essence m\u00eame du concept de surdispersion<\/a> statistique. Contrairement \u00e0 la distribution de Poisson dont la variance est obligatoirement captive de son esp\u00e9rance, la loi binomiale n\u00e9gative incorpore une amplification naturelle de sa dispersion. De surcro\u00eet, la d\u00e9composition analytique peut \u00eatre explicit\u00e9e sous forme additive en isolant la moyenne :<\/p>\n

Var(X<\/em>) = E(X<\/em>) + [ 1 \/ r<\/em> ] × [E(X<\/em>)]2<\/sup><\/p>\n

Cette reformulation d\u00e9montre que la variance totale de la distribution binomiale n\u00e9gative se structure en deux termes distincts : une composante strictement lin\u00e9aire correspondant \u00e0 la variance poissonienne brute, \u00e0 laquelle s’adjoint une composante quadratique pond\u00e9r\u00e9e par l’inverse du param\u00e8tre de forme 1 \/ r<\/em>. Lorsque r<\/em> diminue, cette contribution quadratique enfle d\u00e9mesur\u00e9ment, provoquant un \u00e9talement massif de la distribution probabiliste.<\/p>\n

4.3 Moments d’ordre sup\u00e9rieur : asym\u00e9trie et aplatissement<\/h3>\n

L’exploration fine des propri\u00e9t\u00e9s distributionnelles d’un mod\u00e8le stochastique impose de ne point limiter l’investigation aux deux premiers moments, mais d’\u00e9tudier formellement les caract\u00e9ristiques g\u00e9om\u00e9triques de la densit\u00e9 \u00e0 travers les troisi\u00e8me et quatri\u00e8me moments centr\u00e9s normalis\u00e9s : le coefficient d’asym\u00e9trie (skewness<\/a>, not\u00e9 γ1<\/sub>) et le coefficient d’aplatissement ou d’exc\u00e8s de voussure (kurtosis<\/a>, not\u00e9 γ2<\/sub>).<\/p>\n

Le coefficient d’asym\u00e9trie de la loi binomiale n\u00e9gative se d\u00e9duit analytiquement \u00e0 partir des cumulants d’ordre trois g\u00e9n\u00e9r\u00e9s par la fonction caract\u00e9ristique :<\/p>\n

γ1<\/sub> = (2 – p<\/em>) \/ √[ r<\/em> (1 – p<\/em>) ]<\/p>\n

\u00c9tant donn\u00e9 que p<\/em> ∈ ]0, 1[, le num\u00e9rateur (2 – p<\/em>) est strictement positif (compris entre 1 et 2), de m\u00eame que le radical du d\u00e9nominateur. Il en r\u00e9sulte que γ1<\/sub> > 0 de fa\u00e7on inconditionnelle pour toute configuration param\u00e9trique admissible. La distribution binomiale n\u00e9gative pr\u00e9sente donc une asym\u00e9trie positive p\u00e9renne : elle est invariablement \u00e9tir\u00e9e vers la droite, exhibant une longue tra\u00eene de valeurs extr\u00eames vers les grands d\u00e9nombrements d’\u00e9checs.<\/p>\n

Le coefficient d’exc\u00e8s de kurtosis (mesur\u00e9 par rapport au seuil gaussien standard de z\u00e9ro) s’obtient via le quatri\u00e8me cumulant normalis\u00e9 :<\/p>\n

γ2<\/sub> = [ 6 + (1 – p<\/em>)-1<\/sup> × p<\/em>2<\/sup> ] \/ r<\/em> = [ 6 \/ r<\/em> ] + [ p<\/em>2<\/sup> \/ (r<\/em> (1 – p<\/em>)) ] > 0<\/p>\n

L’exc\u00e8s de kurtosis \u00e9tant strictement positif (γ2<\/sub> > 0), la distribution est syst\u00e9matiquement leptokurtique. Cela signifie qu’elle concentre une proportion de sa masse probabiliste dans un pic central aigu et dans des queues plus \u00e9paisses (\u00ab queues lourdes \u00bb) que celles d’une distribution normale \u00e9quivalente en moyenne et variance. Les \u00e9v\u00e9nements rares situ\u00e9s dans les confins du support ont ainsi une probabilit\u00e9 d’occurrence substantiellement plus marqu\u00e9e que sous une loi normale ou poissonienne.<\/p>\n

Toutefois, l’analyse asymptotique r\u00e9v\u00e8le un comportement r\u00e9gulier capital : lorsque le param\u00e8tre de forme r<\/em> tend vers l’infini positif (∞) avec le produit r<\/em>(1 – p<\/em>) convergeant vers une constante, les coefficients d’asym\u00e9trie et de kurtosis tendent tous deux simultan\u00e9ment vers z\u00e9ro :<\/p>\n

lim(r<\/em> → ∞)<\/sub> γ1<\/sub> = 0 et lim(r<\/em> → ∞)<\/sub> γ2<\/sub> = 0<\/p>\n

Ce r\u00e9sultat d\u00e9montre la convergence asymptotique de la binomiale n\u00e9gative vers la normalit\u00e9 sous des r\u00e9gimes de grandes valeurs de r<\/em>. \u00c0 l’inverse, en contexte de petit \u00e9chantillon ou de donn\u00e9es hautement surdispers\u00e9es (faible valeur de r<\/em>), la violation de la normalit\u00e9 est s\u00e9v\u00e8re, invalidant formellement l’application des mod\u00e8les lin\u00e9aires classiques bas\u00e9s sur les r\u00e9sidus gaussiens sous peine de distorsions inf\u00e9rentielles majeures.<\/p>\n

5. La surdispersion et la comparaison avec la distribution de Poisson<\/h2>\n

5.1 La restriction d’\u00e9quidispersion de la loi de Poisson<\/h3>\n

Le mod\u00e8le de r\u00e9f\u00e9rence historique pour le comptage d’\u00e9v\u00e9nements al\u00e9atoires est la loi de Poisson, fond\u00e9e sur l’axiome fondamental d’un taux d’occurrence instantan\u00e9 uniforme λ > 0 au sein d’un intervalle spatio-temporel continu. Cette hypoth\u00e8se fondamentale induit une propri\u00e9t\u00e9 analytique singuli\u00e8re et incontournable : l’\u00e9quidispersion stricte. Pour une variable al\u00e9atoire poissonienne Y<\/em> ~ Poisson(λ), l’esp\u00e9rance et la variance sont asservies \u00e0 la m\u00eame quantit\u00e9 scalaire :<\/p>\n

E(Y<\/em>) = Var(Y<\/em>) = λ<\/p>\n

Si cette \u00e9quidispersion procure une remarquable concision math\u00e9matique en ne requ\u00e9rant qu’un unique param\u00e8tre pour d\u00e9crire \u00e0 la fois la localisation et la dispersion, elle constitue une hypoth\u00e8se excessivement rigide et empiriquement fragile. Dans la quasi-totalit\u00e9 des investigations observationnelles men\u00e9es sur les comportements humains, les syst\u00e8mes cliniques ou les ph\u00e9nom\u00e8nes \u00e9cologiques, la condition d’\u00e9quidispersion est viol\u00e9e. Cette invalidation d\u00e9coule principalement de la pr\u00e9sence d’une h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 non mesur\u00e9e entre les unit\u00e9s statistiques, de dynamiques de contagion temporelle (o\u00f9 l’occurrence d’un \u00e9v\u00e9nement accro\u00eet la probabilit\u00e9 de survenue du suivant), ou encore de corr\u00e9lations de grappes au sein des groupes \u00e9chantillonn\u00e9s.<\/p>\n

Ignorer cette surdispersion et contraindre artificiellement des donn\u00e9es empiriques surdispers\u00e9es au sein d’un mod\u00e8le poissonien engendre des dysfonctionnements m\u00e9thodologiques gravissimes. Si l’estimateur de la moyenne λ demeure g\u00e9n\u00e9ralement convergent et asymptotiquement non biais\u00e9, la matrice de covariance asymptotique des param\u00e8tres est s\u00e9v\u00e8rement alt\u00e9r\u00e9e. Les erreurs-types des coefficients se trouvent dramatiquement sous-estim\u00e9es, comprimant artificiellement la largeur des intervalles de confiance et gonflant de mani\u00e8re vertigineuse les statistiques de test de Wald ou de Student. Le chercheur s’expose alors \u00e0 une inflation massive du taux d’erreur de type I<\/a>, concluant fallacieusement \u00e0 la significativit\u00e9 statistique d’associations ou d’interventions th\u00e9rapeutiques qui ne rel\u00e8vent en r\u00e9alit\u00e9 que de simples fluctuations al\u00e9atoires r\u00e9siduelles.<\/p>\n

5.2 La distribution binomiale n\u00e9gative comme m\u00e9lange continu Poisson-Gamma<\/h3>\n

Face aux apories de l’\u00e9quidispersion poissonienne, la distribution binomiale n\u00e9gative fournit une r\u00e9solution conceptuelle \u00e9l\u00e9gante \u00e0 travers la th\u00e9orie des mod\u00e8les hi\u00e9rarchiques et des m\u00e9langes continus de distributions. Imaginons une population o\u00f9 chaque individu i<\/em> engendre des \u00e9v\u00e9nements discrets conform\u00e9ment \u00e0 un processus de Poisson conditionnel d\u00e9pendant d’un param\u00e8tre d’intensit\u00e9 propre λi<\/em><\/sub> :<\/p>\n

Y<\/em>i<\/em><\/sub> | λi<\/em><\/sub> ~ Poisson(λi<\/em><\/sub>)<\/p>\n

Cependant, en raison d’une multitude de facteurs latents — tels que des pr\u00e9dispositions g\u00e9n\u00e9tiques, des traits de personnalit\u00e9 non observ\u00e9s ou des micro-environnements non contr\u00f4l\u00e9s —, l’intensit\u00e9 λi<\/em><\/sub> varie d’un individu \u00e0 l’autre selon une distribution continue \u00e0 support positif. Le choix math\u00e9matique le plus naturel et le plus puissant pour mod\u00e9liser cette variabilit\u00e9 latente est la distribution Gamma, en vertu de sa flexibilit\u00e9 distributionnelle et de sa propri\u00e9t\u00e9 de conjugaison analytique avec la loi de Poisson. Supposons donc que :<\/p>\n

λi<\/em><\/sub> ~ Gamma(forme = r<\/em>, \u00e9chelle = β = (1 – p<\/em>) \/ p<\/em>)<\/p>\n

Pour d\u00e9river la distribution marginale inconditionnelle de Y<\/em>, il convient d’int\u00e9grer le produit de la fonction de masse conditionnelle de Poisson et de la densit\u00e9 a priori Gamma sur l’ensemble du domaine continu ℝ+<\/sub> de λ :<\/p>\n

P<\/em>(Y<\/em> = k<\/em>) = ∫(0 \u00e0 ∞)<\/sub> [ (e-λ<\/sup> λk<\/em><\/sup>) \/ k<\/em>! ] × [ ( λr<\/em> – 1<\/sup> e-λ \/ β<\/sup> ) \/ ( βr<\/em><\/sup> Γ(r<\/em>) ) ] dλ<\/p>\n

En regroupant les termes exponentiels sous la forme e-λ(1 + 1\/β)<\/sup> et les puissances scalaires en λk<\/em> + r<\/em> – 1<\/sup>, l’int\u00e9grale se r\u00e9sout exactement par l’int\u00e9gration d’un noyau Gamma standardis\u00e9 :<\/p>\n

P<\/em>(Y<\/em> = k<\/em>) = [ Γ(k<\/em> + r<\/em>) \/ ( k<\/em>! Γ(r<\/em>) ) ] × ( 1 \/ (1 + β) )r<\/em><\/sup> × ( β \/ (1 + β) )k<\/em><\/sup><\/p>\n

En proc\u00e9dant \u00e0 la correspondance fonctionnelle p<\/em> = 1 \/ (1 + β), ce qui implique 1 – p<\/em> = β \/ (1 + β), nous retrouvons de fa\u00e7on analytique rigoureuse la fonction de masse de probabilit\u00e9 de la distribution binomiale n\u00e9gative. Cette d\u00e9rivation formelle est connue sous le nom de mod\u00e8le de Greenstein-Greenwood. Elle conf\u00e8re \u00e0 la loi binomiale n\u00e9gative une interpr\u00e9tation substantive d’une richesse incomparable : elle formalise la r\u00e9ponse marginale d’une population intrins\u00e8quement h\u00e9t\u00e9rog\u00e8ne dont chaque membre se comporte selon une logique de Poisson individuelle, le param\u00e8tre de dispersion r<\/em> gouvernant l’ampleur de cette variance interindividuelle non observ\u00e9e.<\/p>\n

5.3 Indicateurs statistiques de d\u00e9tection de la surdispersion<\/h3>\n

Avant d’arbitrer formellement entre une sp\u00e9cification poissonienne classique et un mod\u00e8le binomial n\u00e9gatif, le statisticien doit mobiliser des outils diagnostiques rigoureux pour d\u00e9tecter et quantifier l’ampleur de la surdispersion. Le premier indicateur intuitif et standardis\u00e9 repose sur le ratio de dispersion empirique calcul\u00e9 \u00e0 partir de la statistique du khi-carr\u00e9 de Pearson :<\/p>\n

φ = χ2<\/sup>Pearson<\/sub> \/ df<\/em> = [ Σ(i<\/em>=1 \u00e0 N<\/em>)<\/sub> (y<\/em>i<\/em><\/sub> – μ\u0302i<\/em><\/sub>)2<\/sup> \/ μ\u0302i<\/em><\/sub> ] \/ (N<\/em> – p<\/em>cov<\/em><\/sub>)<\/p>\n

o\u00f9 y<\/em>i<\/em><\/sub> repr\u00e9sente la valeur observ\u00e9e pour l’unit\u00e9 i<\/em>, μ\u0302i<\/em><\/sub> la moyenne ajust\u00e9e pr\u00e9dite par le mod\u00e8le de Poisson, et df<\/em> le nombre de degr\u00e9s de libert\u00e9 r\u00e9siduels (taille d’\u00e9chantillon N<\/em> minor\u00e9e du nombre de covariables estim\u00e9es p<\/em>cov<\/em><\/sub>). Sous l’hypoth\u00e8se nulle d’\u00e9quidispersion stricte, ce ratio φ converge stochastiquement vers l’unit\u00e9. Une valeur empirique substantiellement sup\u00e9rieure \u00e0 1 — fr\u00e9quemment au-del\u00e0 de 1,2 ou 1,5 dans la litt\u00e9rature appliqu\u00e9e — sugg\u00e8re une violation du postulat poissonien.<\/p>\n

Pour formaliser cette intuition de mani\u00e8re inf\u00e9rentielle, on recourt au test du score de Cameron et Trivedi, qui \u00e9value explicitement l’hypoth\u00e8se nulle H<\/em>0<\/sub> : Var(Y<\/em>) = μ contre l’hypoth\u00e8se alternative de surdispersion quadratique H<\/em>1<\/sub> : Var(Y<\/em>) = μ + α μ2<\/sup>. Ce test s’impl\u00e9mente au moyen d’une r\u00e9gression lin\u00e9aire auxiliaire sans constante reliant les r\u00e9sidus de d\u00e9viance transform\u00e9s aux valeurs pr\u00e9dites μ\u0302i<\/em><\/sub>. Une statistique t<\/em> associ\u00e9e au coefficient de surdispersion α significativement positive (p<\/em> < 0,05) conduit au rejet p\u00e9remptoire de l’\u00e9quidispersion.<\/p>\n

De surcro\u00eet, le ratio de d\u00e9viance r\u00e9siduelle rapport\u00e9 aux degr\u00e9s de libert\u00e9 (D\u00e9viance \/ df<\/em>) fournit une m\u00e9trique compl\u00e9mentaire d’ad\u00e9quation globale. Si la d\u00e9viance r\u00e9siduelle exc\u00e8de largement les bornes critiques de la distribution du χ2<\/sup> th\u00e9orique, le basculement vers la distribution binomiale n\u00e9gative s’av\u00e8re m\u00e9thodologiquement imp\u00e9ratif pour r\u00e9tablir la validit\u00e9 des inf\u00e9rences statistiques et assainir les erreurs-types des estimateurs.<\/p>\n

6. Formulations alternatives et param\u00e9trisations statistiques<\/h2>\n

6.1 Param\u00e9trisation canonique NB2 pour la r\u00e9gression<\/h3>\n

Bien que la param\u00e9trisation d’origine reposant sur le couple (r<\/em>, p<\/em>) soit limpide pour d\u00e9river les propri\u00e9t\u00e9s combinatoires de la variable al\u00e9atoire, elle s’av\u00e8re profond\u00e9ment inadapt\u00e9e pour la mod\u00e9lisation statistique avanc\u00e9e, en particulier dans le contexte des mod\u00e8les de r\u00e9gression o\u00f9 l’on d\u00e9sire mod\u00e9liser l’esp\u00e9rance conditionnelle en fonction d’une matrice de covariables explicatives X<\/em>. \u00c0 cette fin, les statisticiens ont d\u00e9velopp\u00e9 une reparam\u00e9trisation d\u00e9sormais canonique, universellement d\u00e9sign\u00e9e sous l’acronyme NB2 (Negative Binomial type 2).<\/p>\n

Dans la formulation NB2, la distribution est param\u00e9tr\u00e9e par sa moyenne th\u00e9orique conditionnelle not\u00e9e μ = E(Y<\/em>) et par un param\u00e8tre d’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 ou de surdispersion not\u00e9 α > 0, o\u00f9 α est d\u00e9fini comme l’inverse alg\u00e9brique du param\u00e8tre de taille traditionnel : α = 1 \/ r<\/em>. Par voie de cons\u00e9quence directe, les relations de transformation s’\u00e9crivent :<\/p>\n

r<\/em> = 1 \/ α   et   p<\/em> = 1 \/ (1 + α μ)<\/p>\n

En substituant ces identit\u00e9s math\u00e9matiques au sein de la fonction de masse originale, l’expression de la probabilit\u00e9 ponctuelle pour la param\u00e9trisation NB2 prend la forme standardis\u00e9e suivante :<\/p>\n

P<\/em>(Y<\/em> = y<\/em> | μ, α) = [ Γ(y<\/em> + α-1<\/sup>) \/ ( y<\/em>! Γ(α-1<\/sup>) ) ] × [ α-1<\/sup> \/ (α-1<\/sup> + μ) ]α-1<\/sup><\/sup> × [ μ \/ (α-1<\/sup> + μ) ]y<\/em><\/sup><\/p>\n

Sous cette structure fonctionnelle, l’esp\u00e9rance et la variance conditionnelles s’articulent de mani\u00e8re remarquable :<\/p>\n

E(Y<\/em>) = μ   et   Var(Y<\/em>) = μ + α μ2<\/sup><\/p>\n

La pr\u00e9sence du terme μ2<\/sup> au sein de la fonction de variance caract\u00e9rise pr\u00e9cis\u00e9ment l’architecture quadratique de la formulation NB2. Lorsque le param\u00e8tre d’\u00e9chelle α converge vers z\u00e9ro (α → 0), le second terme s’annihile compl\u00e8tement et la fonction de variance r\u00e9gresse vers Var(Y<\/em>) = μ, restaurant exactement la structure \u00e9quidispers\u00e9e de Poisson. Cette transition continue permet de consid\u00e9rer le mod\u00e8le de Poisson comme un sous-mod\u00e8le embo\u00eet\u00e9 au sein de NB2, facilitant l’impl\u00e9mentation de tests de rapport de vraisemblance sur la fronti\u00e8re du domaine des param\u00e8tres pour attester de la pertinence de la surdispersion quadratique.<\/p>\n

6.2 La param\u00e9trisation lin\u00e9aire NB1<\/h3>\n

Bien que l’architecture quadratique NB2 domine de fa\u00e7on \u00e9crasante les applications logicielles contemporaines, elle ne repr\u00e9sente pas l’unique possibilit\u00e9 math\u00e9matique de lier la variance \u00e0 l’esp\u00e9rance conditionnelle. Une alternative fondamentale introduite dans la litt\u00e9rature \u00e9conom\u00e9trique par Cameron et Trivedi r\u00e9side dans la param\u00e9trisation NB1, \u00e9galement d\u00e9sign\u00e9e sous le vocable de mod\u00e8le binomial n\u00e9gatif lin\u00e9aire.<\/p>\n

Dans la formulation NB1, la fonction de variance est sp\u00e9cifi\u00e9e de mani\u00e8re \u00e0 cro\u00eetre de fa\u00e7on purement proportionnelle et lin\u00e9aire par rapport \u00e0 la moyenne, s’affranchissant du terme d’amplification quadratique :<\/p>\n

Var(Y<\/em>) = μ + α μ = (1 + α) μ = ω μ<\/p>\n

o\u00f9 ω = 1 + α repr\u00e9sente un facteur scalaire constant de quasi-dispersion. Pour impl\u00e9menter formellement cette structure au sein de la distribution binomiale n\u00e9gative, le param\u00e8tre de taille r<\/em> ne demeure plus constant mais se trouve lui-m\u00eame contraint d’\u00eatre une fonction lin\u00e9aire directe de la moyenne : r<\/em>i<\/em><\/sub> = α-1<\/sup> μi<\/em><\/sub>. La fonction de masse r\u00e9sultante adapte son param\u00e8tre de forme \u00e0 chaque observation individuelle le long de l’\u00e9chantillon empirique.<\/p>\n

Les diff\u00e9rences conceptuelles entre NB1 et NB2 sont substantielles. Dans le mod\u00e8le NB1, le ratio de surdispersion Var(Y<\/em>) \/ E(Y<\/em>) = 1 + α demeure invariant \u00e0 travers l’ensemble des strates de la population, ind\u00e9pendamment du fait que la moyenne conditionnelle μ soit tr\u00e8s modeste ou consid\u00e9rablement \u00e9lev\u00e9e. Dans le mod\u00e8le NB2, ce ratio s’exprime par 1 + αμ, ce qui induit une surdispersion relative qui s’intensifie vigoureusement \u00e0 mesure que la moyenne pr\u00e9dite cro\u00eet. Le mod\u00e8le NB1 s’av\u00e8re particuli\u00e8rement appropri\u00e9 dans les \u00e9tudes longitudinales ou les protocoles comportementaux o\u00f9 la variabilit\u00e9 interindividuelle cro\u00eet \u00e0 la m\u00eame vitesse que l’intensit\u00e9 du comportement, sans manifester d’acc\u00e9l\u00e9ration disproportionn\u00e9e.<\/p>\n

Pour d\u00e9partager formellement les architectures NB1 et NB2 sur un jeu de donn\u00e9es empiriques donn\u00e9, l’analyste ne peut mobiliser un test de rapport de vraisemblance classique, dans la mesure o\u00f9 ces deux sp\u00e9cifications ne sont pas des mod\u00e8les embo\u00eet\u00e9s l’un dans l’autre. L’arbitrage s’op\u00e8re donc au moyen de crit\u00e8res de s\u00e9lection d’information p\u00e9nalis\u00e9e, tels que l’Akaike Information Criterion (AIC)<\/a> ou le Bayesian Information Criterion (BIC), le mod\u00e8le minimisant la perte d’information de Kullback-Leibler \u00e9tant retenu comme le plus fid\u00e8le \u00e0 la distribution g\u00e9n\u00e9ratrice sous-jacente.<\/p>\n

6.3 La loi g\u00e9om\u00e9trique comme cas limite particulier<\/h3>\n

La compr\u00e9hension en profondeur de la loi binomiale n\u00e9gative requiert d’examiner ses liaisons analytiques directes avec les mod\u00e8les plus r\u00e9duits, au premier rang desquels se d\u00e9tache la distribution g\u00e9om\u00e9trique. D’un point de vue structural, la loi g\u00e9om\u00e9trique repr\u00e9sente un cas limite strict et d\u00e9limit\u00e9 de la binomiale n\u00e9gative, obtenu en contraignant le param\u00e8tre de forme \u00e0 l’unit\u00e9 : r<\/em> = 1 (ce qui \u00e9quivaut rigoureusement \u00e0 poser α = 1 dans la param\u00e9trisation NB2 avec μ = (1 – p<\/em>) \/ p<\/em>).<\/p>\n

En substituant r<\/em> = 1 au sein de la fonction de masse combinatoire, le coefficient combinatoire C(k<\/em> + 1 – 1, k<\/em>) = C(k<\/em>, k<\/em>) se r\u00e9duit invariablement au scalaire 1 pour tout entier naturel k<\/em>. La fonction de masse d\u00e9g\u00e9n\u00e8re alors de fa\u00e7on imm\u00e9diate en la densit\u00e9 g\u00e9om\u00e9trique \u00e9l\u00e9mentaire :<\/p>\n

P<\/em>(X<\/em> = k<\/em>) = p<\/em> (1 – p<\/em>)k<\/em><\/sup><\/p>\n

Cette r\u00e9duction fonctionnelle entra\u00eene une simplification radicale de la fonction de log-vraisemblance et des algorithmes d’estimation aff\u00e9rents, puisque la d\u00e9rivation d’un param\u00e8tre de forme complexe via la fonction digamma devient sans objet. Dans le cadre de l’\u00e9valuation de protocoles cognitifs d’abandon ou d’\u00e9preuves de pers\u00e9v\u00e9rance comportementale, postuler un mod\u00e8le g\u00e9om\u00e9trique revient \u00e0 assumer l’hypoth\u00e8se restrictive de l’absence de m\u00e9moire : la probabilit\u00e9 qu’un sujet abandonne une t\u00e2che cognitive lors de la tentative k<\/em> conditionnellement \u00e0 son maintien jusqu’\u00e0 cet instant demeure rigoureusement invariante au temps d\u00e9j\u00e0 investi.<\/p>\n

Toutefois, les donn\u00e9es empiriques en sciences cognitives rejettent fr\u00e9quemment cette hypoth\u00e8se unitaire. Les sujets manifestent quasi-syst\u00e9matiquement soit des effets d’apprentissage (induisant r<\/em> > 1, o\u00f9 les probabilit\u00e9s de compl\u00e9tion se structurent avec r\u00e9gularit\u00e9), soit une h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 d’engagement substantielle (pouvant g\u00e9n\u00e9rer r<\/em> < 1). Restreindre l’architecture stochastique \u00e0 une loi g\u00e9om\u00e9trique sans tester formellement l’ajustement sup\u00e9rieur offert par la binomiale n\u00e9gative expose le chercheur \u00e0 un biais de mod\u00e9lisation pr\u00e9judiciable, m\u00e9connaissant la courbure r\u00e9elle des fonctions de survie comportementales.<\/p>\n

7. M\u00e9thodes d’estimation des param\u00e8tres<\/h2>\n

7.1 Estimation par le maximum de vraisemblance (EMV)<\/h3>\n

La m\u00e9thode canonique pour calibrer les param\u00e8tres de la distribution binomiale n\u00e9gative sur un \u00e9chantillon empirique de variables al\u00e9atoires ind\u00e9pendantes et identiquement distribu\u00e9es (i.i.d.) (y<\/em>1<\/sub>, y<\/em>2<\/sub>, …, y<\/em>n<\/em><\/sub>) repose sur le principe de l’estimation par le maximum de vraisemblance<\/a>. Sous la formulation standard de forme et probabilit\u00e9 (r<\/em>, p<\/em>), la fonction de vraisemblance globale L<\/em>(r<\/em>, p<\/em> ; y<\/strong>) se construit comme le produit direct des fonctions de masse individuelles :<\/p>\n

L<\/em>(r<\/em>, p<\/em> ; y<\/strong>) = ∏(i<\/em>=1 \u00e0 n<\/em>)<\/sub> [ Γ(y<\/em>i<\/em><\/sub> + r<\/em>) \/ ( y<\/em>i<\/em><\/sub>! Γ(r<\/em>) ) ] p<\/em>r<\/em><\/sup> (1 – p<\/em>)y<\/em>i<\/em><\/sub><\/sup><\/p>\n

Par souci de r\u00e9gularit\u00e9 math\u00e9matique et de stabilit\u00e9 computationnelle, on optimise la transformation logarithmique monotone de cette fonction, nomm\u00e9e la fonction de log-vraisemblance ln L<\/em>(r<\/em>, p<\/em> ; y<\/strong>) :<\/p>\n

ln L<\/em> = Σ(i<\/em>=1 \u00e0 n<\/em>)<\/sub> [ ln Γ(y<\/em>i<\/em><\/sub> + r<\/em>) – ln Γ(r<\/em>) – ln(y<\/em>i<\/em><\/sub>!) + r<\/em> ln(p<\/em>) + y<\/em>i<\/em><\/sub> ln(1 – p<\/em>) ]<\/p>\n

Pour d\u00e9terminer les estimateurs, il convient d’annuler les d\u00e9riv\u00e9es partielles du premier ordre — collectivement regroup\u00e9es au sein du vecteur de score. La condition de score relative au param\u00e8tre de probabilit\u00e9 p<\/em> s’\u00e9tablit ais\u00e9ment :<\/p>\n

∂ ln L<\/em> \/ ∂ p<\/em> = Σ(i<\/em>=1 \u00e0 n<\/em>)<\/sub> [ r<\/em> \/ p<\/em> – y<\/em>i<\/em><\/sub> \/ (1 – p<\/em>) ] = (n<\/em> r<\/em> \/ p<\/em>) – [ 1 \/ (1 – p<\/em>) ] Σ y<\/em>i<\/em><\/sub> = 0<\/p>\n

En isolant p<\/em> en fonction de la moyenne empirique y\u0304<\/em> = (1\/n<\/em>) Σ y<\/em>i<\/em><\/sub> et de r<\/em>, on extrait une relation ferm\u00e9e \u00e9l\u00e9gante :<\/p>\n

p<\/em>\u0302 = r<\/em> \/ (r<\/em> + y\u0304<\/em>)<\/p>\n

Cependant, l’\u00e9quation de score relative au param\u00e8tre de forme r<\/em> engage la d\u00e9riv\u00e9e logarithmique de la fonction Gamma — connue sous la d\u00e9signation de fonction digamma<\/a>, not\u00e9e ψ(z<\/em>) = d ln Γ(z<\/em>) \/ dz<\/em> :<\/p>\n

∂ ln L<\/em> \/ ∂ r<\/em> = Σ(i<\/em>=1 \u00e0 n<\/em>)<\/sub> [ ψ(y<\/em>i<\/em><\/sub> + r<\/em>) – ψ(r<\/em>) + ln(p<\/em>) ] = 0<\/p>\n

En r\u00e9injectant l’expression conditionnelle de p<\/em>\u0302, l’\u00e9quation devient hautement non lin\u00e9aire en r<\/em> et ne tol\u00e8re aucune solution analytique explicite sous forme ferm\u00e9e. L’estimation requiert par cons\u00e9quent l’intervention d’algorithmes it\u00e9ratifs d’optimisation num\u00e9rique, tels que l’algorithme de Newton-Raphson, la m\u00e9thode de score de Fisher ou les routines quasi-newtoniennes de type BFGS (Broyden-Fletcher-Goldfarb-Shanno).<\/p>\n

Sous les th\u00e9or\u00e8mes r\u00e9guliers de Cram\u00e9r-Rao, l’estimateur par maximum de vraisemblance θ\u0302 = (r<\/em>\u0302, p<\/em>\u0302) jouit de propri\u00e9t\u00e9s asymptotiques exceptionnelles : il est asymptotiquement convergent, asymptotiquement sans biais et atteint la borne d’efficacit\u00e9 asymptotique, sa matrice de variance-covariance empirique co\u00efncidant avec l’inverse de la matrice d’information de Fisher observ\u00e9e calcul\u00e9e sur la seconde d\u00e9riv\u00e9e hessienne de la surface de log-vraisemblance.<\/p>\n

7.2 Estimation par la m\u00e9thode des moments<\/h3>\n

Face \u00e0 la complexit\u00e9 algorithmique de l’estimation par maximum de vraisemblance et aux risques sporadiques de non-convergence des gradients num\u00e9riques, l’estimation par la m\u00e9thode des moments offre une approche alternative computationnellement directe et instantan\u00e9e. Cette m\u00e9thodologie consiste \u00e0 \u00e9galiser les moments th\u00e9oriques de la population avec les moments empiriques correspondants calcul\u00e9s sur l’\u00e9chantillon d’observation.<\/p>\n

Soient y\u0304<\/em> la moyenne arithm\u00e9tique empirique et s<\/em>2<\/sup> la variance d’\u00e9chantillonnage non biais\u00e9e :<\/p>\n

y\u0304<\/em> = (1\/n<\/em>) Σ(i<\/em>=1 \u00e0 n<\/em>)<\/sub> y<\/em>i<\/em><\/sub>   et   s<\/em>2<\/sup> = [ 1 \/ (n<\/em> – 1) ] Σ(i<\/em>=1 \u00e0 n<\/em>)<\/sub> (y<\/em>i<\/em><\/sub> – y\u0304<\/em>)2<\/sup><\/p>\n

En posant le syst\u00e8me d’\u00e9galit\u00e9s structurelles E(Y<\/em>) = y\u0304<\/em> et Var(Y<\/em>) = s<\/em>2<\/sup>, et en exploitant les \u00e9quations th\u00e9oriques fondamentales E(Y<\/em>) = r<\/em>(1 – p<\/em>) \/ p<\/em> et Var(Y<\/em>) = r<\/em>(1 – p<\/em>) \/ p<\/em>2<\/sup>, nous obtenons imm\u00e9diatement le ratio :<\/p>\n

Var(Y<\/em>) \/ E(Y<\/em>) = [ r<\/em>(1 – p<\/em>) \/ p<\/em>2<\/sup> ] \/ [ r<\/em>(1 – p<\/em>) \/ p<\/em> ] = 1 \/ p<\/em><\/p>\n

Il en d\u00e9coule l’estimateur empirique direct pour le param\u00e8tre de probabilit\u00e9 :<\/p>\n

p\u0303<\/em> = y\u0304<\/em> \/ s<\/em>2<\/sup><\/p>\n

En r\u00e9injectant ce r\u00e9sultat au sein de l’\u00e9quation de la moyenne empirique, l’estimateur du moment pour le param\u00e8tre de forme r<\/em> s’explicite sans recours \u00e0 la moindre int\u00e9gration num\u00e9rique :<\/p>\n

r\u0303<\/em> = y\u0304<\/em>2<\/sup> \/ (s<\/em>2<\/sup> – y\u0304<\/em>)<\/p>\n

Il saute imm\u00e9diatement aux yeux que cette solution n’est math\u00e9matiquement d\u00e9finie sur le domaine des r\u00e9els positifs que si et seulement si l’\u00e9chantillon manifeste empiriquement une condition effective de surdispersion, c’est-\u00e0-dire s<\/em>2<\/sup> > y\u0304<\/em>. Dans le cas contraire — susceptible de survenir par simple fluctuation d’\u00e9chantillonnage en petits effectifs issus d’un processus quasi-poissonien —, le d\u00e9nominateur devient n\u00e9gatif, privant r\u0303<\/em> de toute consistance probabiliste.<\/p>\n

De plus, l’estimateur des moments souffre d’un biais statistique notable en pr\u00e9sence d’\u00e9chantillons de taille faible ou mod\u00e9r\u00e9e et manifeste une grande sensibilit\u00e9 face aux observations atypiques situ\u00e9es dans les queues de distribution. C’est la raison pour laquelle, dans la pratique moderne de l’ing\u00e9nierie statistique, les estimateurs des moments (r\u0303<\/em>, p\u0303<\/em>) ne sont quasiment jamais conserv\u00e9s comme m\u00e9triques inf\u00e9rentielles d\u00e9finitives, mais sont syst\u00e9matiquement exploit\u00e9s pour initialiser les vecteurs de d\u00e9part des algorithmes it\u00e9ratifs du maximum de vraisemblance, acc\u00e9l\u00e9rant drastiquement leur vitesse de convergence.<\/p>\n

7.3 Approche bay\u00e9sienne pour l’estimation des param\u00e8tres<\/h3>\n

L’inf\u00e9rence bay\u00e9sienne fournit un cadre conceptuel puissant pour l’estimation des param\u00e8tres de la loi binomiale n\u00e9gative, particuli\u00e8rement attractif lorsque la taille des cohortes cliniques est restreinte ou que des connaissances th\u00e9oriques a priori existent sur la variabilit\u00e9 des ph\u00e9nom\u00e8nes \u00e9tudi\u00e9s. Contrairement au paradigme fr\u00e9quentiste qui traite les param\u00e8tres (r<\/em>, p<\/em>) comme des constantes fixes inconnues, le paradigme bay\u00e9sien les appr\u00e9hende comme des variables al\u00e9atoires dot\u00e9es de distributions de probabilit\u00e9 a priori refl\u00e9tant l’\u00e9tat d’incertitude initial de l’exp\u00e9rimentateur.<\/p>\n

Dans l’architecture conjointe pour la loi binomiale n\u00e9gative, l’attribution d’a priori conjugu\u00e9s stricts soul\u00e8ve des obstacles computationnels dans la mesure o\u00f9 aucun couple classique de lois bivari\u00e9es standard n’est rigoureusement conjugu\u00e9 pour l’ensemble des deux param\u00e8tres simultan\u00e9ment. Cependant, une param\u00e9trisation a priori hautement efficace consiste \u00e0 sp\u00e9cifier pour le param\u00e8tre de succ\u00e8s p<\/em> une distribution B\u00eata<\/a> standard de param\u00e8tres d’hyperforme (a<\/em>, b<\/em>) : p<\/em> ~ B\u00eata(a<\/em>, b<\/em>), tandis que le param\u00e8tre de dispersion ou de forme r<\/em> se voit attribuer une distribution Gamma faiblement informative : r<\/em> ~ Gamma(c<\/em>, d<\/em>), avec des hyperparam\u00e8tres garantissant une dispersion g\u00e9n\u00e9reuse sur les r\u00e9els positifs.<\/p>\n

La distribution conjointe a posteriori P<\/em>(r<\/em>, p<\/em> | y<\/strong>) est proportionnelle au produit de la vraisemblance combin\u00e9e et des densit\u00e9s a priori :<\/p>\n

P<\/em>(r<\/em>, p<\/em> | y<\/strong>) ∝ [ ∏(i<\/em>=1 \u00e0 n<\/em>)<\/sub> Γ(y<\/em>i<\/em><\/sub> + r<\/em>) \/ Γ(r<\/em>) ] × p<\/em>n<\/em> r<\/em> + a<\/em> – 1<\/sup> (1 – p<\/em>)(Σ y<\/em>i<\/em><\/sub>) + b<\/em> – 1<\/sup> × r<\/em>c<\/em> – 1<\/sup> e–d<\/em> r<\/em><\/sup><\/p>\n

Cette distribution conjointe ne pouvant \u00eatre r\u00e9solue sous forme analytique int\u00e9grable, l’\u00e9chantillonnage de la distribution a posteriori s’op\u00e8re via les techniques de Monte Carlo par cha\u00eenes de Markov<\/a> (MCMC). On mobilise classiquement un \u00e9chantillonneur de Gibbs compl\u00e9t\u00e9 par des transitions de Metropolis-Hastings pour mettre \u00e0 jour la valeur de r<\/em>, ou plus r\u00e9cemment des algorithmes d’\u00e9chantillonnage Hamiltonien (No-U-Turn Sampler, NUTS) impl\u00e9ment\u00e9s dans des moteurs probabilistes de haut niveau tels que Stan.<\/p>\n

L’apport d\u00e9terminant de la mod\u00e9lisation bay\u00e9sienne r\u00e9side dans sa capacit\u00e9 \u00e0 quantifier l’incertitude \u00e9pist\u00e9mique entourant le param\u00e8tre d’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 r<\/em>. Dans les designs exp\u00e9rimentaux \u00e0 faibles effectifs, l’estimation ponctuelle fr\u00e9quentiste de la dispersion a tendance \u00e0 d\u00e9river vers des instabilit\u00e9s num\u00e9riques extr\u00eames ; l’approche bay\u00e9sienne neutralise cet \u00e9cueil en fournissant des intervalles de cr\u00e9dibilit\u00e9 denses pour l’ensemble des distributions pr\u00e9dictives a posteriori.<\/p>\n

8. Applications concr\u00e8tes en sciences psychologiques et comportementales<\/h2>\n

8.1 Mod\u00e9lisation des \u00e9pisodes symptomatiques en psychopathologie<\/h3>\n

La recherche clinique en psychopathologie quantitative se heurte de mani\u00e8re r\u00e9currente \u00e0 la nature discr\u00e8te et hautement asym\u00e9trique des variables d’expression des troubles mentaux. Consid\u00e9rons l’\u00e9valuation longitudinale de patients souffrant de trouble panique avec agoraphobie ou de trouble obsessionnel-compulsif (TOC). La mesure clinique primaire r\u00e9side fr\u00e9quemment dans le d\u00e9nombrement pr\u00e9cis des crises d’angoisse paroxystiques ou des rituels compulsifs ex\u00e9cut\u00e9s au cours d’un intervalle d’observation mensuel standardis\u00e9.<\/p>\n

L’application m\u00e9canique d’un mod\u00e8le lin\u00e9aire classique fond\u00e9 sur la loi normale est d’embl\u00e9e \u00e0 proscrire : les donn\u00e9es de comptage ne sont ni continues ni sym\u00e9triques, et une proportion consid\u00e9rable de participants — en r\u00e9mission partielle ou totale — rapporte z\u00e9ro crise au compteur, ce qui rend la distribution empirique tronqu\u00e9e \u00e0 gauche. De m\u00eame, la distribution de Poisson \u00e9choue spectaculairement dans ce contexte en raison d’une immense variabilit\u00e9 interindividuelle : tandis qu’un sous-groupe de patients stabilis\u00e9s traverse le mois avec une ou deux manifestations anxieuses mineures, un noyau restreint de patients s\u00e9v\u00e8res \u00e9prouve des dizaines d’\u00e9pisodes paroxystiques, g\u00e9n\u00e9rant une variance ph\u00e9nom\u00e9nologique d\u00e9cupl\u00e9e par rapport \u00e0 la moyenne du groupe.<\/p>\n

En ajustant une distribution binomiale n\u00e9gative sur ces donn\u00e9es de d\u00e9nombrement symptomatique, le chercheur mod\u00e9lise explicitement cette vuln\u00e9rabilit\u00e9 latente h\u00e9t\u00e9rog\u00e8ne. Dans les essais cliniques randomis\u00e9s mesurant l’efficacit\u00e9 d’une nouvelle psychoth\u00e9rapie cognitivo-comportementale face \u00e0 une mol\u00e9cule de r\u00e9f\u00e9rence, la mod\u00e9lisation permet d’\u00e9valuer non seulement la r\u00e9duction du taux moyen d’\u00e9v\u00e9nements (μ), mais \u00e9galement d’\u00e9tudier si l’intervention clinique parvient \u00e0 modifier l’homog\u00e9n\u00e9it\u00e9 de r\u00e9ponse des patients en r\u00e9gulant le param\u00e8tre de dispersion r<\/em>. Ce double niveau d’analyse pr\u00e9serve l’int\u00e9grit\u00e9 de l’inf\u00e9rence clinique et \u00e9vite la distorsion des conclusions th\u00e9rapeutiques.<\/p>\n

8.2 Mesure des erreurs et temps d’apprentissage en psychologie cognitive<\/h3>\n

Dans les laboratoires de psychologie cognitive exp\u00e9rimentale et de neuropsychologie, l’investigation des fonctions ex\u00e9cutives — telles que la flexibilit\u00e9 cognitive, l’inhibition motrice ou la m\u00e9moire de travail — s’appuie classiquement sur des t\u00e2ches de tri ou des paradigmes d’apprentissage s\u00e9quentiel (par exemple, le Wisconsin Card Sorting Test ou des protocoles de conditionnement instrumental s\u00e9quentiel). La variable op\u00e9rationnelle mesur\u00e9e correspond alors au nombre d’essais infructueux accumul\u00e9s par le sujet avant qu’il ne parvienne \u00e0 d\u00e9duire la r\u00e8gle abstraite sous-jacente et \u00e0 ex\u00e9cuter avec succ\u00e8s un crit\u00e8re pr\u00e9\u00e9tabli de r\u00e9ponses correctes cons\u00e9cutives.<\/p>\n

Cette m\u00e9thodologie d’exp\u00e9rimentation concr\u00e9tise de mani\u00e8re quasi paradigmatique les fondements axiomatiques de la loi binomiale n\u00e9gative d\u00e9crits dans la section combinatoire : la session cognitive est interrompue d\u00e8s que le seuil de r<\/em> succ\u00e8s cons\u00e9cutifs est franchi par le sujet, et la donn\u00e9e collect\u00e9e n’est autre que le total k<\/em> des erreurs pers\u00e9v\u00e9ratives et des fausses alertes commises en amont. L’hypoth\u00e8se nulle d’invariance cognitive supposerait que chaque sujet poss\u00e8de une probabilit\u00e9 de r\u00e9ussite constante \u00e0 chaque essai. Toutefois, la variabilit\u00e9 cognitive interindividuelle — modul\u00e9e par la r\u00e9serve cognitive, le niveau d’\u00e9veil ou des l\u00e9sions c\u00e9r\u00e9brales focales — induit une surdispersion massive au sein du groupe de participants.<\/p>\n

La binomiale n\u00e9gative permet d’isoler analytiquement la probabilit\u00e9 instantan\u00e9e de ma\u00eetrise de la t\u00e2che (param\u00e8tre p<\/em>) tout en int\u00e9grant formellement le param\u00e8tre de forme r<\/em> comme une m\u00e9trique d’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 d’apprentissage. Dans l’\u00e9tude des processus d’attention soutenue, ce mod\u00e8le probabiliste s’av\u00e8re infiniment plus informatif que le recours simpliste \u00e0 des m\u00e9dianes temporelles arbitraires, permettant de caract\u00e9riser avec une pr\u00e9cision biom\u00e9trique la trajectoire d’acquisition des comp\u00e9tences cognitives complexes.<\/p>\n

8.3 Psychologie organisationnelle : absent\u00e9isme et accidents de travail<\/h3>\n

Le champ de la psychologie du travail et des organisations documente depuis plus d’un demi-si\u00e8cle un ph\u00e9nom\u00e8ne structurel hautement r\u00e9sistant aux analyses quantitatives simplistes : la r\u00e9partition des absences non programm\u00e9es et des accidents du travail au sein des grandes entreprises industrielles. Historiquement, c’est pr\u00e9cis\u00e9ment dans ce domaine que les statisticiens Greenwood et Yule ont d\u00e9velopp\u00e9 en 1920 les formulations pionni\u00e8res du mod\u00e8le de m\u00e9lange Poisson-Gamma pour d\u00e9construire la th\u00e9orie controvers\u00e9e de la \u00ab propension individuelle aux accidents \u00bb (accident proneness).<\/p>\n

Les donn\u00e9es d’accidents du travail manifestent invariablement une distribution empirique extr\u00eame : l’immense majorit\u00e9 des salari\u00e9s — souvent plus de 80 \u00e0 90 % de l’effectif total — n’exp\u00e9rimente rigoureusement aucun accident au cours de l’exercice annuel sous revue. En contrepartie, une fraction marginale d’individus cumule plusieurs incidents traumatiques successifs. Un tel tableau g\u00e9n\u00e8re une asym\u00e9trie monumentale que la loi de Poisson s’av\u00e8re structurellement incapable d’absorber, sa variance \u00e9tant artificiellement contrainte d’\u00e9pouser la moyenne globale tir\u00e9e vers le bas par l’abondance des z\u00e9ros.<\/p>\n

La distribution binomiale n\u00e9gative s’impose dans ce contexte comme la grille de lecture probabiliste indispensable. Elle capture \u00e9l\u00e9gamment la dualit\u00e9 structurelle entre une exposition al\u00e9atoire commune aux al\u00e9as du poste de travail et une h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 non observ\u00e9e de risque — li\u00e9e \u00e0 des diff\u00e9rences individuelles d’exposition au stress psychosocial, \u00e0 des amplitudes de fatigue neuromusculaire ou \u00e0 des d\u00e9faillances de perception du danger. En mod\u00e9lisant rigoureusement cette surdispersion, les psychologues organisationnels \u00e9vitent de stigmatiser arbitrairement les salari\u00e9s accident\u00e9s tout en identifiant statistiquement les v\u00e9ritables d\u00e9terminants organisationnels de la sant\u00e9 au travail.<\/p>\n

9. Analyse comparative : distribution binomiale n\u00e9gative, g\u00e9om\u00e9trique et binomiale standard<\/h2>\n

9.1 Tableau comparatif des hypoth\u00e8ses d’\u00e9chantillonnage<\/h3>\n

Afin de synth\u00e9tiser avec une rigueur taxinomique les divergences op\u00e9rationnelles qui s\u00e9parent les trois grandes lois discr\u00e8tes d\u00e9riv\u00e9es du processus \u00e9l\u00e9mentaire de Bernoulli, il est indispensable de confronter leurs protocoles d’\u00e9chantillonnage fondamentaux, la nature de leurs variables d’int\u00e9r\u00eat et leurs supports math\u00e9matiques respectifs au sein d’une grille comparative d\u00e9taill\u00e9e :<\/p>\n