ForHosting KIT · Matemática

Distribuição geométrica

Se cada tentativa dá certo com probabilidade 0,25, o primeiro sucesso vem exatamente na terceira com probabilidade 0,140625, e em média são necessárias 4 tentativas. Informe a chance de sucesso e o número da tentativa e receba os dois valores. Grátis no seu navegador.

  • Grátis
  • Funciona no seu navegador
  • Sem cadastro
  • Seus dados não saem do seu aparelho
Use pelo WebAPIE-mailTelegramApp em breve
Se você digitar
Potência (W)
0,25
K
3
Você obtém
Q
0,75
Probabilidade
0.140625
Número da probabilidade
0,140625
Porcentagem da probabilidade
14.0625

A distribuição geométrica responde a uma pergunta simples de tentativas repetidas: se cada tentativa tem a mesma probabilidade de sucesso p, qual a chance de o primeiro sucesso cair exatamente na tentativa k? Estudantes encontram esse modelo nos livros; analistas, em laços de retentativa, funis de vendas e checagens de qualidade. Esta capacidade avalia a forma clássica de tentativas até o primeiro sucesso da lei geométrica: P(X igual a k) é (1 menos p) elevado a (k menos 1), vezes p, para inteiros positivos k. Também devolve a esperança E[X] igual a um sobre p, a variância e a probabilidade acumulada de que o primeiro sucesso já tenha ocorrido até a tentativa k. As entradas são validadas de forma estrita: p deve estar no intervalo semiaberto (0, 1], e k deve ser um inteiro positivo dentro dos limites publicados.

O que o modelo geométrico cobre e como a probabilidade é definida

Imagine ensaios de Bernoulli independentes que têm sucesso com probabilidade fixa p e falham com probabilidade q igual a um menos p. Continue até o primeiro sucesso aparecer. A variável aleatória X é o número da tentativa desse primeiro sucesso, de modo que o suporte são os inteiros positivos um, dois, três e assim por diante.

Exatamente um caminho produz um primeiro sucesso na tentativa k: falhar nas primeiras k menos um tentativas e depois ter sucesso na tentativa k. Como as tentativas são independentes, esse caminho tem probabilidade q elevado a (k menos um) vezes p. Essa expressão é a função massa de probabilidade devolvida por esta calculadora.

A esperança segue da série padrão da lei geométrica: em média você precisa de um sobre p tentativas antes do primeiro sucesso, então um processo com p igual a um quarto espera quatro tentativas. A variância é q sobre p ao quadrado, que cresce quando sucessos são raros.

A função de distribuição acumulada F de k é um menos q elevado a k, a probabilidade de que o primeiro sucesso já tenha ocorrido na ou antes da tentativa k—útil quando uma política diz «desista após dez tentativas» e você quer a chance de já ter tido sucesso até então. Esta página usa deliberadamente a convenção de tentativas até o sucesso (suporte começa em um), não a de falhas antes do sucesso (suporte começa em zero).

Ambas aparecem na literatura; deslocam k em um e mudam a esperança de um sobre p para q sobre p. Demos no estilo cara ou coroa com p igual a um meio e k pequeno são fáceis de checar à mão: para k igual a três você obtém (um meio) ao quadrado vezes um meio igual a um oitavo.

Casos-limite são tratados de forma explícita: quando p é um, o primeiro sucesso é certo na tentativa um e impossível depois; quando p se aproxima de zero a massa se espalha sobre k grandes e a esperança cresce sem limite—por isso p igual a zero é rejeitado em vez de devolver um infinito silencioso.

Dicas práticas, limites e diferenças em relação a ferramentas relacionadas

Não confunda esta página com ferramentas binomiais ou contadores de combinações em outras partes do kit: a lei binomial conta quantos sucessos ocorrem em um número fixo de tentativas, enquanto a geométrica para no primeiro sucesso e trata o índice da tentativa como aleatório. Páginas de probabilidade de soma de dados respondem a outra intenção de busca—somas de faces poliedrais—, não esperas de Bernoulli repetidas.

Se precisar da parametrização de falhas antes do sucesso, converta: o número de falhas antes do primeiro sucesso é X menos um, com esperança q sobre p; esta calculadora mantém a forma de número da tentativa porque combina com a frase «primeiro sucesso na tentativa k» nas consultas de busca. Validação falha nunca gasta saldo pré-pago, então scripts exploratórios podem sondar bordas barato.

Design de retentativa e polling

Dada uma taxa de sucesso estimada por tentativa, calcule a chance de o primeiro sucesso cair na tentativa k e o número médio de tentativas antes de um serviço responder.

Controle de qualidade e amostragem de inspeção

Modele inspeções independentes de itens até o primeiro defeito (ou a primeira aprovação) e reporte tanto a probabilidade da tentativa k quanto a contagem esperada de inspeções.

Qual convenção geométrica isto usa?

Tentativas até o primeiro sucesso: X é o número da tentativa do primeiro sucesso, então k começa em 1 e P(X=k)=(1-p)^(k-1)*p com E[X]=1/p.

Quais valores de p são permitidos?

p deve estar em (0, 1]: maior que zero e no máximo um.

O resultado é aproximado ou exato?

As fórmulas são exatas; a avaliação em ponto flutuante usa espaço logarítmico para k grandes para a FMP permanecer estável. Não se usa amostragem aleatória.

A calculadora de distribuição geométrica é grátis?

A ferramenta do navegador é grátis e roda localmente.

Qual a chance de já ter tido sucesso até a tentativa k?

É o valor acumulado: um menos a chance de falha elevada a k. Com chance de sucesso 0,25 e a terceira tentativa, dá 0,578125, útil quando uma regra manda desistir depois de certo número de tentativas.

Tudo nesta página está disponível via API. Esta seção é para equipes que querem integrar a ferramenta aos próprios sistemas; quem não precisa disso pode simplesmente usar a ferramenta acima.

POSThttps://api.kit.forhosting.com/prob/geometric-distribution

Autenticação por token Bearer. Um único POST coloca a tarefa na fila; o resultado chega por webhook ou link assinado.

curl -X POST https://api.kit.forhosting.com/prob/geometric-distribution \
  -H "Authorization: Bearer $KIT_KEY" \
  -H "Content-Type: application/json" \
  -d '{"p":0.25,"k":3}'
{
  "p": 0.25,
  "k": 3
}
{
  "task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
  "type": "prob.geometric_distribution",
  "status": "queued",
  "_links": {
    "result": "/tasks/tsk_…/result"
  }
}

A API é assíncrona: cada chamada devolve um task_id na hora. Se preferir polling, consulte o status a até 1 requisição por segundo.

por chamadaUS$ 0,002

Preço publicado, sem tokens nem créditos escondidos. Tarefa que falha não é cobrada.

max_k1000000
HTTPCódigoO que significa
401unauthorizedToken ausente ou inválido. Confira o header Authorization.
402insufficient_balanceSaldo insuficiente para esta tarefa. Faça uma recarga e tente de novo.
404unknown_typeEsse tipo de tarefa não existe. Confira o campo type no catálogo.
429rate_limitedMuitas requisições em pouco tempo. Espere um instante e tente de novo.

Valores de p fora de zero a um são rejeitados com invalid_input para que respostas de dever de casa e retentativas de produção permaneçam honestas.

O que o modelo geométrico cobre e como a probabilidade é definida

Se o seu livro escreve P de Y igual a k como q à k vezes p com k a partir de zero, traduza definindo o k desta ferramenta como Y mais um, ou compare só o p compartilhado e a fórmula da FMP impressa no JSON.

Como chamar a API e ler a resposta JSON

Deve ser um número finito estritamente maior que zero e no máximo um. Duas strings de fórmula documentam a convenção para que UIs posteriores mostrem a mesma definição que as pessoas buscaram. Checagem clássica: p igual a zero ponto dois cinco e k igual a três produz probabilidade zero ponto um quatro zero seis dois cinco, tentativas esperadas quatro e variância doze. Outra: p igual a um e k igual a um produz probabilidade um e tentativas esperadas um; o mesmo p com k igual a dois produz probabilidade zero. Envie um corpo JSON com dois campos obrigatórios. O campo p é a probabilidade de sucesso em cada tentativa; os aliases probability, success_p e prob são aceitos. O campo k é o índice da tentativa do primeiro sucesso que importa; os aliases trial, n e trials mapeiam para o mesmo significado. k deve ser um inteiro de um a um milhão. Uma resposta bem-sucedida ecoa p e k normalizados, a probabilidade de falha q, e a FMP como string decimal aparada (probability) e como double IEEE (probability_number) mais uma string percentual. Também devolve expected_trials como um sobre p, variance como q sobre p ao quadrado, e a FDA em k como cdf e cdf_number. O preço é um valor fixo de US$ 0,002 por requisição bem-sucedida com unidade item e preço unitário marginal zero. Prefira probability (string) quando precisar de dígitos estáveis de exibição; use probability_number quando for encadear mais matemática de ponto flutuante em um script cliente.

Dicas práticas, limites e diferenças em relação a ferramentas relacionadas

Fique com k no máximo um milhão para que a avaliação em espaço logarítmico da FMP fique barata no Worker e no navegador. Em demos de sala de aula, prefira pares de livro pequenos—p igual a um meio com k de um a cinco, ou p igual a um décimo com k igual a dez—para que os alunos expandam (um menos p) à potência (k menos um) à mão e confrontem a API linha a linha. Ao modelar retentativas de software, mapeie o «número da tentativa» para k e a taxa de sucesso observada para p; expected_trials então indica o número médio de tentativas antes de um endpoint saudável responder, e a FDA indica com que frequência você termina dentro de um limite de tentativas orçado. Prefira os campos de fórmula impressos ao documentar soluções de dever, e prefira expected_trials a inversas ad hoc de p em planilha para que toda a equipe compartilhe a mesma definição da espera média.

Deveres e laboratórios de ensino de probabilidade

Atribua exercícios de FMP e esperança geométricas e deixe os alunos checar P(X=k) e E[X]=1/p contra um resultado determinístico de API ou do navegador gratuito.

O que significa expected_trials?

É E[X] = 1/p, o número médio de tentativas independentes necessárias até o primeiro sucesso sob este modelo geométrico.

Ver a documentação completa do KIT →