Geometrinio skirstinio skaičiuoklė

Autorius: Henrick Yau
- July 21, 2026
| |

Geometrinio skirstinio skaičiuoklė

Apskaičiuokite tikimybės masės funkciją (PMF), kaupiamąją pasiskirstymo funkciją (CDF), vidurkį, dispersiją ir kitas statistikas Geometriniam skirstiniui su sėkmės tikimybe p.

Parametrų įvedimas

Skaičiavimo parinktys

Rodymo parinktys

Apie geometrinį skirstinį

Geometrinis skirstinys modeliuoja bandymų skaičių, reikalingą pirmajai sėkmei pasiekti nepriklausomų Bernulio bandymų sekoje, kai kiekvieno bandymo sėkmės tikimybė yra p.

Du dažni variantai
  • Bandymų skaičius: Suskaičiuoja bendrą bandymų skaičių iki (ir įskaitant) pirmosios sėkmės. Sritis: x ∈ {1, 2, 3, ...}
  • Nesėkmių skaičius: Suskaičiuoja tik nesėkmes prieš pirmąją sėkmę. Sritis: x ∈ {0, 1, 2, ...}

Abu variantai naudojami praktikoje, todėl svarbu išsiaiškinti, su kuriuo dirbate.

Pagrindinės savybės
  • Atminties neturėjimo savybė: P(X > s + t | X > s) = P(X > t)
  • Vidurkis (tikėtina reikšmė): E[X] = 1/p (bandymai) arba (1-p)/p (nesėkmės)
  • Dispersija: Var(X) = (1-p)/p² (abu variantai)
  • Moda: Visada 1 (bandymai) arba 0 (nesėkmės)
  • Asimetrija: (2-p)/√(1-p) > 0, rodanti dešinįjį pasvirimą
Taikymas

Geometrinis skirstinys dažnai naudojamas modeliuoti:

  • Bandymų skaičių, reikalingą sėkmei pasiekti
  • Laukimo laiką iki pirmojo įvykio
  • Kokybės kontrolę (patikrintų vienetų skaičių iki defekto radimo)
  • Patikimumo testavimą (bandymų skaičių iki įrangos gedimo)
  • Atsitiktinius žaidimus (metimų skaičių iki konkretaus rezultato)
  • Klientų pritraukimo ar konversijos procesų modeliavimą
Ryšys su kitais skirstiniais
  • Geometrinis skirstinys yra specialus neigiamo binominio skirstinio atvejis, kai r = 1 (viena sėkmė).
  • Tai yra diskretusis tolydžiojo eksponentinio skirstinio analogas.
  • Kaip ir eksponentinis skirstinys, tai yra vienintelis diskretusis atminties neturintis skirstinys.

Pagrindinės geometrinio skirstinio formulės

Tikimybės masės funkcija (TMF) bandymų skaičiui:
\( P(X = x) = (1-p)^{x-1} \times p \quad \text{kai} \quad x = 1,2,3,... \)

Tikimybės masės funkcija (TMF) nesėkmių skaičiui:
\( P(X = x) = (1-p)^x \times p \quad \text{kai} \quad x = 0,1,2,... \)

Kaupiamoji skirstinio funkcija (KSF):
\( P(X \leq x) = 1 - (1-p)^x \)

Vidurkis:
Bandymai: \( \mu = \frac{1}{p} \quad \) Nesėkmės: \( \mu = \frac{1-p}{p} \)

Variacija:
\( \sigma^2 = \frac{1-p}{p^2} \)

Standartinis nuokrypis:
\( \sigma = \sqrt{ \frac{1-p}{p^2} } \)

Kas yra geometrinio skirstinio skaičiuoklė?

Geometrinio skirstinio skaičiuoklė yra galingas statistikos įrankis, padedantis lengvai apskaičiuoti geometrinio skirstinio tikimybes ir aprašomąją statistiką. Ji supaprastina tikimybių ir statistikos analizę, pateikdama rezultatus, tokius kaip tikimybės masės funkcija (TMF), kaupiamoji skirstinio funkcija (KSF), laukiama reikšmė, variacija ir standartinis nuokrypis. Nesvarbu, ar jums reikia spręsti uždavinius, susijusius su bandymais ar nesėkmėmis, šis tikimybių skirstinio sprendėjas jums padės.

Kaip ši skaičiuoklė gali jums padėti

Naudodami šį statistinės analizės įrankį galite:

  • Greitai apskaičiuoti tikimybę pasiekti sėkmę po tam tikro bandymų ar nesėkmių skaičiaus.
  • Rasti laukiamą bandymų ar nesėkmių skaičių, reikalingą pirmajai sėkmei.
  • Vizualizuoti tikimybių skirstinį intuityviais grafikais.
  • Ištirti esminius statistinius rodiklius, tokius kaip vidurkis, variacija ir standartinis nuokrypis, siekiant geresnės duomenų analizės.

Ši skaičiuoklė veikia kaip patikimas duomenų analizės pagalbininkas dirbant su atsitiktiniais įvykiais, bandymais ar dvejetainiais rezultatais. Ji taip pat naudinga tikimybių ir statistikos pagalbininko programose, tokiose kaip kokybės kontrolė, patikimumo tyrimai ir klientų elgsenos analizė.

Kaip naudotis geometrinio skirstinio skaičiuokle

Pradėti lengva. Atlikite šiuos paprastus veiksmus:

  • 1 veiksmas: Įveskite sėkmės tikimybę (p) nuo 0 iki 1.
  • 2 veiksmas: Pasirinkite skirstinio tipą:
    • Bandymų skaičius: Skaičiuoja visus bandymus, įskaitant sėkmę.
    • Nesėkmių skaičius: Skaičiuoja tik nesėkmes iki pirmosios sėkmės.
  • 3 veiksmas: Pasirinkite skaičiavimo tipą (TMF, KSF, didesnis nei, bent jau arba laukiama reikšmė).
  • 4 veiksmas: Įveskite x reikšmę, kuriai norite apskaičiuoti tikimybę, arba palikite tuščią, jei skaičiuojate vidurkį.
  • 5 veiksmas: Jei norite, pakoreguokite papildomus nustatymus, pvz., dešimtainių skaičių kiekį arba grafiko parinktis.
  • 6 veiksmas: Spustelėkite Skaičiuoti, kad pamatytumėte rezultatus, grafikus ir išsamius sprendimo žingsnius.

Tai daro šią skaičiuoklę patogiu statistinių skaičiavimų šaltiniu kiekvienam, sprendžiančiam tikimybių skirstinio uždavinius.

Kodėl svarbu suprasti geometrinį skirstinį

Geometrinis skirstinys yra pagrindinis statistinėje analizėje, nes jis modeliuoja „laukimo laiką“ iki pirmosios sėkmės. Įprasti naudojimo atvejai:

  • Kokybės kontrolės patikros (rasti pirmąjį brokuotą gaminį).
  • Prognozuoti, kiek bandymų reikia norint laimėti lošimuose.
  • Analizuoti klientų pritraukimą arba sistemų gedimų dažnį.

Įvaldę šią sąvoką pagerinsite savo gebėjimą tiksliai analizuoti duomenų rinkinius ir interpretuoti realaus pasaulio įvykius naudojant statistinius skaičiavimus.

Dažnai užduodami klausimai (DUK)

Kas yra geometrinis skirstinys?

Geometrinis skirstinys modeliuoja nepriklausomų bandymų, reikalingų pirmajai sėkmei gauti, skaičių, kai kiekvienas bandymas turi tą pačią sėkmės tikimybę. Tai yra diskretaus tikimybių skirstinio tipas.

Kada turėčiau naudoti šią skaičiuoklę?

Naudokite šį geometrinės tikimybės įrankį kaskart, kai norite apskaičiuoti tikimybes, laukiamas reikšmes ar variacijas, susijusias su nepriklausomų bandymų seka iki pirmosios sėkmės.

Koks skirtumas tarp bandymų ir nesėkmių?

  • Bandymų versija: Skaičiuoja visus bandymus, įskaitant sėkmingąjį. x = 1, 2, 3, …
  • Nesėkmių versija: Skaičiuoja tik nesėkmes iki pirmosios sėkmės. x = 0, 1, 2, …

Ką daryti, jei mano sėkmės tikimybė yra labai maža?

Skaičiuoklė vis tiek veikia! Mažos tikimybės yra dažnos patikimumo testavime ir retų įvykių modeliavime. Rezultatai bus rodomi dideliu tikslumu naudojant dešimtainių skaičių nustatymą.

Ar galiu ją naudoti mokymosi tikslais?

Žinoma! Tai puikus statistinės analizės įrankis studentams, mokytojams ir tyrėjams, dirbantiems su tikimybėmis, vidurkiu ir mediana, standartiniu nuokrypiu ir kt.

Susiję įrankiai, kurie gali būti naudingi