Distribuzione geometrica
Se ogni tentativo riesce con probabilità 0,25, il primo successo arriva proprio al terzo tentativo con probabilità 0,140625, e in media servono 4 tentativi. Inserisci la probabilità di successo e il numero della prova per ottenere entrambi. Gratis nel tuo browser.
- Gratis
- Funziona nel suo browser
- Senza registrazione
- I suoi dati restano sul dispositivo
Esegui gratis nel browser
Esempio risolto
- Potenza (W)
- 0,25
- K
- 3
- Q
- 0,75
- Probabilità
- 0.140625
- Numero di probabilità
- 0,140625
- Percentuale di probabilità
- 14.0625
La distribuzione geometrica risponde a una semplice domanda su prove ripetute: se ogni tentativo ha la stessa probabilità di successo p, qual è la chance che il primo successo cada esattamente alla prova k? Gli studenti la incontrano nei libri di testo; gli analisti, nei cicli di ritento, nei funnel di vendita e nei controlli qualità. Questa capacità valuta la forma classica prove-fino-al-primo-successo della legge geometrica: P(X uguale a k) vale (1 meno p) elevato a (k meno 1), per p, per interi positivi k. Restituisce anche il valore atteso E[X] uguale a uno su p, la varianza e la probabilità cumulata che il primo successo sia già avvenuto entro la prova k. Gli input sono validati in modo rigoroso: p deve stare nell'intervallo semiaperto (0, 1], e k deve essere un intero positivo entro i limiti pubblicati.
Cosa copre il modello geometrico e come si definisce la probabilità
Immagini prove di Bernoulli indipendenti che hanno successo con probabilità fissa p e falliscono con probabilità q uguale a uno meno p. Continui finché non compare il primo successo. La variabile aleatoria X è il numero di prova di quel primo successo, quindi il supporto sono gli interi positivi uno, due, tre e così via.
Esattamente un cammino produce un primo successo alla prova k: fallire nelle prime k meno uno prove, poi riuscire alla prova k. Poiché le prove sono indipendenti, quel cammino ha probabilità q elevato a (k meno uno) per p. Quell'espressione è la funzione di massa di probabilità restituita da questo calcolatore.
Il valore atteso segue dalla serie standard della legge geometrica: in media servono uno su p prove prima del primo successo, quindi un processo con p uguale a un quarto attende quattro tentativi. La varianza è q su p al quadrato, che cresce quando i successi sono rari.
La funzione di ripartizione F di k vale uno meno q elevato a k, la probabilità che il primo successo sia già avvenuto alla o prima della prova k—utile quando una policy dice «rinuncia dopo dieci tentativi» e desidera la chance di aver già avuto successo entro allora. Questa pagina usa deliberatamente la convenzione prove-fino-al-successo (supporto da uno), non quella fallimenti-prima-del-successo (supporto da zero). Entrambe compaiono in letteratura; spostano k di uno e cambiano il valore atteso da uno su p a q su p.
Demo stile moneta con p uguale a un mezzo e k piccolo si verificano facilmente a mano: per k uguale a tre ottiene (un mezzo) al quadrato per un mezzo uguale a un ottavo. I casi limite sono gestiti esplicitamente: quando p è uno, il primo successo è certo alla prova uno e impossibile dopo; quando p si avvicina a zero la massa si sparge su k grandi e il valore atteso cresce senza legame—perciò p uguale a zero viene rifiutato invece di restituire un infinito silenzioso.
Consigli pratici, limiti e differenze rispetto a strumenti correlati
Non confonda questa pagina con strumenti binomiali o contatori di combinazioni altrove nel kit: la legge binomiale conta quanti successi avvengono in un numero fisso di prove, mentre la geometrica si ferma al primo successo e tratta l'indice di prova come aleatorio. Le pagine di probabilità di somma di dadi rispondono a un'altra intenzione di ricerca—somme di facce poliedriche—, non attese di Bernoulli ripetute.
Se Le serve la parametrizzazione fallimenti-prima-del-successo, converta: il numero di fallimenti prima del primo successo è X meno uno, con valore atteso q su p; questo calcolatore mantiene la forma numero di prova perché combacia con la frase «primo successo alla prova k» nelle query di ricerca. La validazione fallita non spende mai il saldo prepagato, così gli script esplorativi possono sondare i bordi a basso costo.
Casi d'uso
Progettazione di ritenti e polling
Dato un tasso di successo stimato per tentativo, calcoli la chance che il primo successo cada al tentativo k e il numero medio di prove prima che un servizio risponda.
Controllo qualità e campionamento di ispezione
Modelli ispezioni indipendenti di articoli fino al primo difetto (o alla prima approvazione) e riporti sia la probabilità alla prova k sia il conteggio atteso di ispezioni.
Domande frequenti
Quale convenzione geometrica usa questo strumento?
Prove fino al primo successo: X è il numero di prova del primo successo, quindi k parte da 1 e P(X=k)=(1-p)^(k-1)*p con E[X]=1/p.
Quali valori di p sono ammessi?
p deve essere in (0, 1]: maggiore di zero e al più uno.
Il risultato è approssimato o esatto?
Le formule sono esatte; la valutazione a virgola mobile usa lo spazio logaritmico per k grandi così la FMP resta stabile. Non si usa campionamento casuale.
Il calcolatore di distribuzione geometrica è gratuito?
Lo strumento del browser è gratuito e gira in locale.
Qual è la probabilità di aver già avuto successo entro la prova k?
È il valore cumulato: uno meno la probabilità di fallimento elevata alla k. Con probabilità di successo 0,25 e il terzo tentativo vale 0,578125, utile quando una regola impone di arrendersi dopo un certo numero di tentativi.
Strumenti correlati
Per sviluppatori — accesso via API
Tutto quello che vedi in questa pagina è disponibile anche via API. Questa sezione è per i team che vogliono integrarlo nei propri sistemi; chi non ne ha bisogno può semplicemente usare lo strumento qui sopra.
Endpoint
Autenticazione con Bearer token: un POST mette in coda l'attività e il risultato arriva via webhook o link firmato.
Chiamala dal tuo stack
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}'const res = await fetch("https://api.kit.forhosting.com/prob/geometric-distribution", {
method: "POST",
headers: {
"Authorization": `Bearer ${process.env.KIT_KEY}`,
"Content-Type": "application/json"
},
body: JSON.stringify({
"p": 0.25,
"k": 3
})
});
const { task_id } = await res.json();import os, requests
res = requests.post(
"https://api.kit.forhosting.com/prob/geometric-distribution",
headers={"Authorization": f"Bearer {os.environ['KIT_KEY']}"},
json={
"p": 0.25,
"k": 3
},
)
task_id = res.json()["task_id"]<?php
$res = file_get_contents("https://api.kit.forhosting.com/prob/geometric-distribution", false, stream_context_create([
"http" => [
"method" => "POST",
"header" => "Authorization: Bearer " . getenv("KIT_KEY") . "\r\nContent-Type: application/json",
"content" => '{"p":0.25,"k":3}',
],
]));
$task = json_decode($res, true);body := bytes.NewBufferString(`{"p":0.25,"k":3}`)
req, _ := http.NewRequest("POST", "https://api.kit.forhosting.com/prob/geometric-distribution", body)
req.Header.Set("Authorization", "Bearer "+os.Getenv("KIT_KEY"))
req.Header.Set("Content-Type", "application/json")
res, _ := http.DefaultClient.Do(req)Esempio di richiesta
{
"p": 0.25,
"k": 3
}Esempio di risposta
{
"task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
"type": "prob.geometric_distribution",
"status": "queued",
"_links": {
"result": "/tasks/tsk_…/result"
}
}L'API è asincrona: ricevi subito un task_id e puoi fare polling fino a 1 richiesta al secondo.
Prezzi
Prezzo pubblicato, senza token né crediti. Se l'attività fallisce, non paghi.
Limiti
max_k | 1000000 |
Errori
| HTTP | Codice | Significato |
|---|---|---|
401 | unauthorized | Chiave API mancante o non valida: controlla l'header Authorization. |
402 | insufficient_balance | Credito esaurito: ricarica per continuare a eseguire attività. |
404 | unknown_type | Tipo di attività sconosciuto: controlla il campo type della richiesta. |
429 | rate_limited | Troppe richieste in poco tempo: rallenta e riprova tra qualche secondo. |
Note tecniche
Valori di p fuori da zero a uno vengono rifiutati con invalid_input affinché le risposte dei compiti e i ritenti di produzione restino onesti.
Cosa copre il modello geometrico e come si definisce la probabilità
Se il Suo testo scrive P di Y uguale a k come q alla k per p con k da zero, traduca impostando il k di questo strumento a Y più uno, o confronti solo la p condivisa e la formula della FMP stampata nel JSON.
Come chiamare l'API e leggere la risposta JSON
Deve essere un numero finito strettamente maggiore di zero e al più uno. Due stringhe di formula documentano la convenzione così le UI a valle possono mostrare la stessa definizione cercata dagli utenti. Controllo classico: p uguale a zero punto due cinque e k uguale a tre produce probabilità zero punto uno quattro zero sei due cinque, prove attese quattro e varianza dodici. Altro controllo: p uguale a uno e k uguale a uno produce probabilità uno e prove attese uno; lo stesso p con k uguale a due produce probabilità zero. Invii un corpo JSON con due campi obbligatori. Il campo p è la probabilità di successo su ogni prova; sono accettati gli alias probability, success_p e prob. Il campo k è l'indice di prova del primo successo che Le interessa; gli alias trial, n e trials mappano allo stesso significato. k deve essere un intero da uno a un milione. Una risposta di successo ripete p e k normalizzati, la probabilità di fallimento q, e la FMP come stringa decimale ridotta (probability) e come double IEEE (probability_number) più una stringa percentuale. Restituisce anche expected_trials come uno su p, variance come q su p al quadrato, e la FDA in k come cdf e cdf_number. Se p è negativo, maggiore di uno o esattamente zero, o se k manca, è frazionario o sotto uno, il gestore lancia invalid_input con un messaggio che nomina il campo—quei fallimenti non vengono addebitati. Il prezzo è un fisso di $0.002 per richiesta riuscita con unità item e prezzo unitario marginale zero. Preferisca probability (stringa) quando Le servono cifre di visualizzazione stabili; usi probability_number quando concatenerà ulteriore matematica a virgola mobile in uno script client.
Consigli pratici, limiti e differenze rispetto a strumenti correlati
Resti con k al massimo un milione affinché la valutazione in spazio logaritmico della FMP resti economica in Worker e browser. Per le demo in aula, preferisca coppie da libro piccole—p uguale a un mezzo con k da uno a cinque, o p uguale a un decimo con k uguale a dieci—così gli studenti possono espandere (uno meno p) alla potenza (k meno uno) a mano e confrontare l'API riga per riga. Nel modellare ritenti software, mappi il «numero di tentativo» a k e il tasso di successo osservato a p; expected_trials indica allora il numero medio di tentativi prima che un endpoint sano risponda, e la FDA quanto spesso si finisce entro un limite di tentativi a budget. Preferisca i campi formula stampati documentando soluzioni di compiti, e preferisca expected_trials a inverse ad hoc di p in un foglio di calcolo affinché tutto il team condivida la stessa definizione dell'attesa media.
Casi di integrazione
Compiti e laboratori di insegnamento della probabilità
Assegni esercizi di FMP e valore atteso geometrici e lasci che gli studenti controllino P(X=k) e E[X]=1/p contro un risultato deterministico di API o del browser gratuito.
Domande tecniche
Cosa significa expected_trials?
È E[X] = 1/p, il numero medio di prove indipendenti necessarie fino al primo successo sotto questo modello geometrico.