ForHosting KIT · Mathématiques

Loi géométrique

Si chaque essai réussit avec une probabilité de 0,25, le premier succès arrive pile au troisième essai avec une probabilité de 0,140625, et il faut en moyenne 4 essais. Saisissez la probabilité de succès et le numéro d’essai. Gratuit dans votre navigateur.

  • Gratuit
  • Fonctionne dans votre navigateur
  • Sans inscription
  • Vos données restent sur votre appareil
Utilisez-le depuis WebAPIE-mailTelegramApp bientôt
Si vous saisissez
Puissance (W)
0,25
K
3
Vous obtenez
Q
0,75
Probabilité
0.140625
Nombre de probabilité
0,140625
Pourcentage de probabilité
14.0625

La loi géométrique répond à une question simple d'essais répétés : si chaque tentative réussit avec la même probabilité p, quelle est la chance que le premier succès tombe exactement à l'essai k ? Les étudiants rencontrent ce modèle dans les manuels ; les analystes, dans les boucles de réessai, les entonnoirs de vente et les contrôles qualité. Cette capacité évalue la forme classique essais-jusqu'au-premier-succès de la loi géométrique : P(X égal à k) vaut (1 moins p) à la puissance (k moins 1), fois p, pour les entiers positifs k. Elle renvoie aussi l'espérance E[X] égale à un sur p, la variance, et la probabilité cumulée que le premier succès se soit déjà produit pour l'essai k. Les entrées sont validées strictement : p doit appartenir à l'intervalle semi-ouvert (0, 1], et k doit être un entier positif entier dans les limites publiées.

Ce que couvre le modèle géométrique et comment la probabilité est définie

Imaginez des essais de Bernoulli indépendants qui réussissent avec une probabilité fixe p et échouent avec une probabilité q égale à un moins p. Continuez jusqu'à l'apparition du premier succès. La variable aléatoire X est le numéro d'essai de ce premier succès, donc le support est les entiers positifs un, deux, trois, et ainsi de suite.

Exactement un chemin produit un premier succès à l'essai k : échouer aux k moins un premiers essais, puis réussir à l'essai k. Comme les essais sont indépendants, ce chemin a pour probabilité q à la puissance (k moins un) fois p. Cette expression est la fonction de masse de probabilité renvoyée par ce calculateur.

L'espérance suit de la série standard de la loi géométrique : en moyenne vous avez besoin d'un sur p essais avant le premier succès, donc un processus avec p égal à un quart attend quatre tentatives. La variance est q sur p au carré, qui croît quand les succès sont rares.

La fonction de répartition F de k vaut un moins q à la puissance k, la probabilité que le premier succès se soit déjà produit à ou avant l'essai k—utile quand une politique dit « abandonner après dix essais » et que vous voulez la chance d'avoir déjà réussi d'ici là. Cette page utilise délibérément la convention essais-jusqu'au-succès (support à partir de un), non celle des échecs-avant-succès (support à partir de zéro).

Les deux apparaissent dans la littérature ; elles décalent k d'un et changent l'espérance de un sur p à q sur p. Les démos pile-ou-face avec p égal à un demi et un petit k se vérifient facilement à la main : pour k égal à trois vous obtenez (un demi) au carré fois un demi égal à un huitième.

Les cas limites sont traités explicitement : quand p vaut un, le premier succès est certain à l'essai un et impossible ensuite ; quand p approche zéro la masse s'étale sur de grands k et l'espérance croît sans borne—aussi p égal à zéro est rejeté plutôt que de renvoyer un infini silencieux.

Conseils pratiques, limites et différences avec les outils connexes

Ne confondez pas cette page avec les outils binomiaux ou les compteurs de combinaisons ailleurs dans le kit : la loi binomiale compte combien de succès se produisent dans un nombre fixe d'essais, tandis que la géométrique s'arrête au premier succès et traite l'indice d'essai comme aléatoire. Les pages de probabilité de somme de dés répondent à une autre intention de recherche—sommes de faces polyédriques—, non à des attentes de Bernoulli répétées.

Si vous avez besoin de la paramétrisation échecs-avant-succès, convertissez : le nombre d'échecs avant le premier succès est X moins un, avec espérance q sur p ; ce calculateur garde la forme numéro d'essai car elle correspond à la phrase « premier succès à l'essai k » dans les requêtes de recherche. Une validation échouée ne dépense jamais le solde prépayé, de sorte que les scripts exploratoires peuvent sonder les bords à bas coût.

Conception de réessais et de polling

Étant donné un taux de succès estimé par tentative, calculez la chance que le premier succès tombe à la tentative k et le nombre moyen d'essais avant qu'un service réponde.

Contrôle qualité et échantillonnage d'inspection

Modélisez des inspections d'articles indépendantes jusqu'au premier défaut (ou première réussite) et rapportez la probabilité à l'essai k et le nombre d'inspections attendu.

Quelle convention géométrique cela utilise-t-il ?

Essais jusqu'au premier succès : X est le numéro d'essai du premier succès, donc k commence à 1 et P(X=k)=(1-p)^(k-1)*p avec E[X]=1/p.

Quelles valeurs de p sont autorisées ?

p doit être dans (0, 1] : strictement supérieur à zéro et au plus un.

Le résultat est-il approximatif ou exact ?

Les formules sont exactes ; l'évaluation en virgule flottante utilise l'espace logarithmique pour les grands k afin que la FMP reste stable. Aucun échantillonnage aléatoire n'est utilisé.

Le calculateur de loi géométrique est-il gratuit ?

L'outil du navigateur est gratuit et s'exécute en local.

Quelle est la probabilité d’avoir réussi au plus tard à l’essai k ?

C’est la valeur cumulée : un moins la probabilité d’échec élevée à la puissance k. Avec une probabilité de succès de 0,25 et le troisième essai, elle vaut 0,578125, utile quand une règle impose d’abandonner après un nombre fixé d’essais.

Tout sur cette page est disponible par programmation. Cette section s'adresse aux équipes qui veulent l'intégrer à leurs systèmes ; les autres peuvent simplement utiliser l'outil ci-dessus.

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

Authentification par jeton Bearer : un seul POST met la tâche en file d’attente, et le résultat vous parvient par webhook ou lien signé.

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"
  }
}

L’API est asynchrone : chaque appel renvoie un task_id immédiatement, puis vous interrogez l’état à raison d’une requête par seconde.

par requête$0.002

Le prix est publié, sans tokens ni crédits. Une tâche qui échoue n’est pas facturée.

max_k1000000
HTTPCodeSignification
401unauthorizedClé API absente ou invalide : vérifiez l’en-tête Authorization.
402insufficient_balanceSolde insuffisant : rechargez votre compte pour lancer cette tâche.
404unknown_typeType de tâche inconnu : vérifiez le champ type de votre requête.
429rate_limitedTrop de requêtes : ralentissez la cadence, puis réessayez.

Les valeurs de p hors de zéro à un sont rejetées avec invalid_input afin que les réponses de devoir et les réessais de production restent honnêtes.

Ce que couvre le modèle géométrique et comment la probabilité est définie

Si votre manuel écrit P de Y égal à k comme q à la k fois p pour k à partir de zéro, traduisez en fixant le k de cet outil à Y plus un, ou comparez seulement le p partagé et la formule de la FMP imprimée dans le JSON.

Comment appeler l'API et lire la réponse JSON

Il doit être un nombre fini strictement supérieur à zéro et au plus un. Deux chaînes de formule documentent la convention pour que les interfaces aval affichent la même définition que les humains ont recherchée. Contrôle classique : p égal à zéro point deux cinq et k égal à trois donne probabilité zéro point un quatre zéro six deux cinq, essais attendus quatre, et variance douze. Autre contrôle : p égal à un et k égal à un donne probabilité un et essais attendus un ; le même p avec k égal à deux donne probabilité zéro. Envoyez un corps JSON avec deux champs obligatoires. Le champ p est la probabilité de succès à chaque essai ; les alias probability, success_p et prob sont acceptés. Le champ k est l'indice d'essai du premier succès qui vous intéresse ; les alias trial, n et trials correspondent au même sens. k doit être un entier de un à un million. Une réponse réussie renvoie p et k normalisés, la probabilité d'échec q, et la FMP comme chaîne décimale tronquée (probability) et comme double IEEE (probability_number) plus une chaîne de pourcentage. Elle renvoie aussi expected_trials comme un sur p, variance comme q sur p au carré, et la FDA en k comme cdf et cdf_number. Si p est négatif, supérieur à un ou exactement zéro, ou si k est manquant, fractionnaire ou inférieur à un, le gestionnaire lève invalid_input avec un message nommant le champ—ces échecs ne sont pas facturés. Le tarif est un forfait de $0.002 par requête réussie avec unité item et prix unitaire marginal zéro. Préférez probability (chaîne) quand vous avez besoin de chiffres d'affichage stables ; utilisez probability_number quand vous enchaînerez d'autres calculs en virgule flottante dans un script client.

Conseils pratiques, limites et différences avec les outils connexes

Restez avec k au plus un million pour que l'évaluation en espace logarithmique de la FMP reste bon marché dans le Worker et le navigateur. Pour les démos en classe, préférez de petites paires de manuel—p égal à un demi avec k de un à cinq, ou p égal à un dixième avec k égal à dix—afin que les étudiants développent (un moins p) à la puissance (k moins un) à la main et confrontent l'API ligne par ligne. Lors de la modélisation de réessais logiciels, mappez le « numéro de tentative » à k et le taux de succès observé à p ; expected_trials indique alors le nombre moyen de tentatives avant qu'un endpoint sain réponde, et la FDA indique à quelle fréquence vous terminez dans une limite de tentatives budgétée. Préférez les champs de formule imprimés pour documenter les solutions de devoir, et préférez expected_trials aux inverses ad hoc de p dans un tableur pour que toute l'équipe partage la même définition de l'attente moyenne.

Devoirs et laboratoires d'enseignement des probabilités

Assignez des exercices de FMP et d'espérance géométriques et laissez les étudiants vérifier P(X=k) et E[X]=1/p contre un résultat déterministe d'API ou du navigateur gratuit.

Que signifie expected_trials ?

C'est E[X] = 1/p, le nombre moyen d'essais indépendants nécessaires jusqu'au premier succès sous ce modèle géométrique.

Consulter la documentation complète du KIT →