Geometrik Dağılım Hesaplama

İlk başarının k denemesinde olma olasılığını bulun.

Sonuç

0,10240
0,59040
0,51200

Nasıl hesaplanır?

p, tek denemenin başarı olasılığıdır ve 0 ile 1 arasında ondalık sayı olarak girilir; k deneme sırasıdır. Araç denemeleri 1'den saymaya başlar ve beş ondalıkla üç değer verir: P(X = k) = (1 − p)k−1 × p, P(X ≤ k) = 1 − (1 − p)k ve P(X ≥ k) = (1 − p)k−1.

p değeri 0'dan büyük, en çok 1 olmalıdır; 20 gibi bir yüzde reddedilir, 0,2 yazın. Deneme sırası en yakın tam sayıya yuvarlanır, yani 3,6 değeri 4 sayılır; 1'den küçük değer sonuç vermez. Model, her denemede aynı p'nin geçerli olduğu bağımsız denemeleri varsayar ve X ilk başarıdan önceki başarısızlıkları değil, ilk başarının geldiği denemenin sırasını sayar.

Örnek hesaplama

Her denemenin başarı olasılığı p = 0,2. 4. deneme için sonuçlar nedir?

Başarısızlık olasılığı 1 − 0,2 = 0,8. Tam olarak 4. denemede: 0,83 × 0,2 = 0,512 × 0,2 = 0,10240. 4. denemeye kadar başarı: 1 − 0,84 = 1 − 0,4096 = 0,59040. En az 4 deneme gerekmesi: 0,83 = 0,51200.

Bu örneği dene →

Sık yapılan hatalar

  • Olasılığı yüzde olarak girmek. 20 değil 0,2 yazın; 1'den büyük değerler sonuç vermez.
  • İki kümülatif değeri karıştırmak. P(X ≤ k), k denemede başarı şansıdır; P(X ≥ k) ise ilk k − 1 denemenin hepsinin başarısız olma şansıdır.
  • İlk başarıdan önceki başarısızlıkları sayan sürümle karıştırmak. Bu araç deneme sırasını sayar; k = 1, ilk denemede başarı demektir.
  • Üst üste başarısızlığın bir sonraki denemeyi daha olası kıldığını sanmak. Denemeler bağımsızdır, sonraki denemenin şansı yine p'dir.
  • Ondalıklı k girip olduğu gibi kullanılacağını beklemek. k önce tam sayıya yuvarlanır.

Bu hesaplama hakkında

Geometrik dağılım, her denemenin p olasılıkla başarılı olduğu bağımsız Bernoulli denemelerinde ilk başarıyı elde etmek için gereken deneme sayısını modeller. İlk başarının tam olarak k. denemede gerçekleşme olasılığı P(X=k) = (1−p)^(k−1)·p'dir; k deneme içinde başarılı olma kümülatif olasılığı (≤k) 1−(1−p)^k'dir ve k'den fazla deneme gerektirme olasılığı doğrudan hayatta kalma fonksiyonundan, (1−p)^k'den, elde edilir.

Bu dağılım hafızasızdır — m tane daha deneme gerektirme olasılığı, o ana kadar kaç başarısızlık yaşandığına bağlı değildir — bu da onu ilk olaya kadar geçen süre problemleri için doğal bir model haline getirir. Kalite kontrol mühendisleri, ilk kusuru bulmadan önce incelenen ürün sayısını modellemek için bunu kullanır; güvenilirlik mühendisleri kesikli denemelerde ilk arızaya kadar geçen süre için kullanır; ayrıca satışta (ilk dönüşüme kadar yapılan aramalar) ve olasılık derslerinde üstel dağılımın kesikli karşılığı olarak karşımıza çıkar.

Bu faydalı oldu mu?

En fazla 3 tepki seçebilirsiniz.

Yorumlar (0)

  • İlk yorumu siz yazın.

Popüler hesaplayıcılar

Tüm Hesaplayıcılar