Verständnis der geometrischen Verteilung mit realen Beispielen

Die geometrische Verteilung ist eine grundlegende diskrete Wahrscheinlichkeitsverteilung, die die Anzahl der Studien modelliert, die erforderlich sind, um den ersten Erfolg in einer Sequenz von unabhängigen, identisch verteilten Bernoulli-Studien zu erzielen. Seine Einfachheit und intuitive Interpretation machen es zu einem idealen Werkzeug für die Analyse von Wartezeitproblemen in der Fertigung, im Gesundheitswesen, im Gaming, im Sport und in der Datenwissenschaft. In diesem Artikel gehen wir über die Grundlagen hinaus, um die geometrische Verteilung in der Tiefe zu erforschen, ihre wichtigsten Eigenschaften abzuleiten, sie mit anschaulichen realen Szenarien zu veranschaulichen und sie mit verwandten Modellen wie den negativen Binomial- und Exponentialverteilungen zu verbinden. Sie lernen auch gemeinsame Fallstricke und wie man die Verteilung in modernen Analyse-Workflows anwendet.

Was ist die geometrische Verteilung?

Die geometrische Verteilung beschreibt die Anzahl der Bernoulli-Studien, die benötigt werden, um den ersten Erfolg zu erzielen. p (wobei 0) < p ≤ 1 und Ausfall mit Wahrscheinlichkeit 1 − p. Entscheidend ist, dass die Versuche unabhängig sind; das Ergebnis einer Studie beeinflusst spätere Versuche nicht und die Erfolgswahrscheinlichkeit p Die Verteilung ist ein natürliches Modell für jedes Erstauftreten in einem wiederholten Experiment - der erste defekte Gegenstand, die erste Kundenreklamation, der erste erfolgreiche Freiwurf.

Es gibt zwei gängige Parametrisierungen, und es ist wichtig zu identifizieren, welche Ihr Problem verwendet:

  • Version 1 (Trials bis zum ersten Erfolg): Die Zufallsvariable \(X \) zählt die Gesamtzahl der Versuche, einschließlich der erfolgreichen Studie. Ihre Unterstützung ist \(k = 1, 2, 3, \dots \). Die Wahrscheinlichkeitsmassenfunktion (PMF) ist \(P(X = k) = (1-p)^{k-1} p \).
  • Version 2 (Scheitern vor dem ersten Erfolg): Die Zufallsvariable \(Y \) zählt nur die Anzahl der Fehler, die dem ersten Erfolg vorausgehen. Seine Unterstützung ist \(k = 0, 1, 2, \dots \).

In diesem Artikel werden wir hauptsächlich Version 1 verwenden (mit den gesamten Versuchen), sofern nicht anders angegeben. Die beiden Versionen sind mathematisch äquivalent und unterscheiden sich nur durch eine Verschiebung von 1: \( X = Y + 1 \).

Haupteigenschaften der geometrischen Verteilung

Memoryless Eigentum

Die geometrische Verteilung ist die einzige diskrete Verteilung mit der speicherlosen Eigenschaft.

\( P(X > n + m \mid X > n) = P(X > m) \) für alle nicht negativen Ganzzahlen \(n, m \).

Interpretation: Wenn Sie bereits durch \(n \)-Versuche ohne Erfolg gewartet haben, ist die Wahrscheinlichkeit, dass Sie mindestens \(m \) mehr Versuche warten müssen, genau die gleiche wie die Wahrscheinlichkeit, dass Sie von Anfang an mindestens \(m \)-Versuche benötigen. Vergangene Misserfolge ändern keine zukünftigen Chancen. Diese Eigenschaft gilt nur für die geometrischen (diskreten) und exponentiellen (kontinuierlichen) Verteilungen. In der Praxis bedeutet dies, dass Prozesse wie Münzumdrehen oder radioaktiver Zerfall - wobei jede Studie unabhängig ist - durch die geometrische Verteilung gut modelliert werden. Prozesse, bei denen Lernen oder Müdigkeit auftreten (z. B. ein Basketballspieler, der sich mit der Praxis verbessert) verletzen diese Eigenschaft.

Formeln für Mean, Variance und CDF

Für Version 1 ()X = Anzahl der Versuche), die wichtigsten Momente und Funktionen sind:

  • Erwarteter Wert (Mittelwert): \( \mu = \frac{1}{p} \)
  • Varianz: \( \sigma^2 = \frac{1 - p}{p^2} \)
  • Standardabweichung: \( \sigma = \sqrt{\frac{1 - p}{p^2}} \)
  • Kumulative Verteilungsfunktion (CDF): \( F(k) = P(X \le k) = 1 - (1 - p)^k \)
  • Momentenerzeugungsfunktion (MGF): \(M X(t) = \frac{p e^t}{1 - (1-p)e^t} \) für \(t) < -\ln(1-p) \)

Diese Formeln sind leicht zu berechnen und zu interpretieren. Wenn z.B. \(p = 0,1 \), dann ist die erwartete Anzahl von Versuchen zu einem Erfolg 10, die Varianz ist 90 und die Standardabweichung ist ungefähr 9,49. Der große Spread spiegelt die hohe Variabilität wider, die dem Warten auf ein seltenes Ereignis innewohnt. Die CDF ermöglicht es uns, die Wahrscheinlichkeit eines Erfolgs durch eine bestimmte Studie zu berechnen, was besonders nützlich für die Planung ist.

Form und Skewness

Die geometrische Verteilung ist immer rechts-verzerrt. p ist klein (sagen wir 0,05), die Schieflage ist extrem: Die meisten Wahrscheinlichkeiten Masse sitzt auf kleinen Werten, aber der Schwanz erstreckt sich weit nach rechts, weil Ausfälle häufen können. p Die Schieflage nimmt ab und die Verteilung wird beim ersten Versuch stärker angeschwemmt. k = 1, weil das wahrscheinlichste Einzelergebnis sofort erfolgreich ist (Wahrscheinlichkeit \(p \)). Die Form wird oft als diskreter exponentieller Zerfall beschrieben.

Real-Life Beispiele der geometrischen Verteilung

Abstrakte Formeln gewinnen durch konkrete Anwendungen an Bedeutung. Wir erweitern auf mehrere Bereiche, in denen die geometrische Verteilung sowohl natürlich als auch informativ ist.

Qualitätskontrolle in der Fertigung

Eine Fabrik produziert Leiterplatten, die aufgrund der Prozessvariabilität eine feste Wahrscheinlichkeit haben. p Die Anzahl der getesteten Boards (einschließlich der defekten) folgt einer geometrischen Verteilung mit \(p = 0,02 \). Die erwartete Anzahl von Tests ist 1 / 0,02 = 50 Boards. Die Wahrscheinlichkeit, dass der erste Defekt genau beim 30. Test auftritt, ist \(P(X = 30) = (0,98)^{29} \mals 0,02 \ca. 0,011 \). Die Wahrscheinlichkeit, dass der Inspektor 100 oder weniger Tests benötigt, um den ersten Defekt zu finden, ist \(P(X \le 100) = 1 - (0,98)^{100} \ca. 0,867 \).

Fertigungsingenieure verwenden solche Berechnungen, um Inspektionsintervalle festzulegen, Ressourcen zuzuteilen und festzustellen, ob der Prozess mit einer akzeptablen Fehlerrate arbeitet. Wenn die beobachtete Anzahl guter Boards vor einem Defekt konstant niedriger ist als durch das geometrische Modell vorhergesagt, kann dies eine Verschiebung der Prozessqualität signalisieren.

Medizinisches Screening und Epidemiologie

Während eines Krankheitsausbruchs werden in mobilen Testeinheiten Individuen aus einer Population untersucht. p Die Anzahl der durchgeführten Tests bis zum ersten positiven Ergebnis folgt einer geometrischen Verteilung. Die erwartete Zahl beträgt 1 / 0,005 = 200 Tests. Gesundheitsbeamte können die Wahrscheinlichkeit schätzen, dass sie 500 Personen testen müssen, bevor sie den ersten Fall erkennen: \( P(X > 500) = (0,995)^{500} \ca. 0,082 \), was etwa 8% der Zeit bedeutet, die es mehr als 500 Tests dauern wird. Dieses Modell hilft bei der Vorhersage des Ressourcenbedarfs, insbesondere wenn die Prävalenz niedrig ist und die Testkapazität begrenzt ist. Die Annahme der Unabhängigkeit kann jedoch verletzt werden, wenn infizierte Personen geografisch Cluster bilden - ein Cluster-Probenahmeansatz könnte realistischer sein.

In solchen Fällen bietet die geometrische Verteilung immer noch eine nützliche Basislinie.

Game Shows und Contests

Ein Teilnehmer einer Fernsehshow drückt einen Knopf, der entweder eine grüne (Gewinn) oder eine rote (Verlust) Anzeige aufleuchtet. p Der Teilnehmer kann wiederholt drücken, bis ein Gewinn eintritt. Die Anzahl der Druckmaschinen (einschließlich der Gewinnerpresse) ist geometrisch verteilt. Die Produzenten der Show können die erwartete Anzahl von Runden pro Teilnehmer berechnen: 1 / 0,15 ≈ 6,67 Runden. Sie wissen auch, dass 15% der Teilnehmer in der ersten Presse gewinnen, 12,75% in der zweiten Presse, 10,84% in der dritten, usw. Diese Verteilung leitet das Timing für Werbepausen und Preisbudgets.

Interessanterweise ist die "Wartezeit" für einen Erfolg in einer Spielshow oft kürzer als die Zuschauer intuitiv erwarten, weil sie die hohe Wahrscheinlichkeit eines frühen Erfolgs aufgrund des abnehmenden geometrischen Schwanzes unterschätzen.

Sportanalysen

Ein Baseballspieler hat einen Karriere-Batting-Durchschnitt von 0,300, was bedeutet, dass die Wahrscheinlichkeit, einen Treffer in einem bestimmten At-Bat zu bekommen, bei 0,300 liegt. p Beobachten wir ihre At‐Bats in einem Spiel bis zum ersten Treffer, folgt die Anzahl der At‐Bats einer geometrischen Verteilung. Die erwartete Anzahl der At‐Bats beträgt 1 / 0,30 ≈ 3,33. Die Wahrscheinlichkeit, dass sie in drei At‐Bats hitless werden (d.h. mehr als drei benötigen) ist \( P(X > 3) = (0,70)^3 = 0,343 \). In der Praxis verwenden Sportanalysten dieses Modell, um die Streakiness zu bewerten: Weichen die beobachteten Wartezeiten eines Spielers von der geometrischen Verteilung ab, kann dies darauf hindeuten, dass die Annahme einer konstanten Wahrscheinlichkeit pro At‐Bat aufgrund von Pitcher-Matchups, Ermüdung oder anderen Faktoren ungültig ist. Die geometrische Verteilung dient als Nullmodell, gegen das Streifen getestet werden können.

Kundenservice und Call Center

Ein Callcenter erhält Hunderte von Anrufen pro Stunde. Die Wahrscheinlichkeit, dass ein Anruf ein technisches Problem betrifft, beträgt p = 0,03. Die Anzahl der Anrufe, die bis zum ersten technischen Anruf bearbeitet werden, ist geometrisch verteilt mit dem Mittelwert 1 / 0,03 ≈ 33,3. Ein Supervisor kann die Wahrscheinlichkeit berechnen, dass der erste technische Anruf innerhalb der ersten 50 Anrufe auftritt: \( P(X \le 50) = 1 - (0,97)^{50} \ca. 0,782 \). Diese Informationen helfen bei der Personalbesetzung von spezialisierten technischen Support-Agenten und bei der Festlegung von Leistungsbenchmarks.

Wenn die beobachtete Wartezeit konstant kürzer ist als das geometrische Modell vorhersagt, kann dies auf einen Anstieg der technischen Probleme hinweisen (z. B. nach einem Software-Update).

Geometrische Verteilung vs. verwandte Verteilungen

Negative Binomialverteilung

Die negative Binomialverteilung verallgemeinert die geometrische Verteilung, indem sie die Anzahl der Versuche modelliert, die erforderlich sind, um eine feste Anzahl von Erfolgen zu erzielen r (wobei) r ≥ 1 ist eine ganze Zahl. Seine PMF ist \( P(X = k) = \binom{k-1}{r-1} p^r (1-p)^{k-r} \) für \(k = r, r+1, r+2, \dots \). r In der Versicherung modelliert das negative Binom die Anzahl der Ansprüche bis zu einem bestimmten Schwellenwert; in der Ökologie modelliert es die Anzahl der Individuen, denen man begegnet, bis eine seltene Spezies ein zweites Mal gesehen wird. Das Verständnis der geometrischen Verteilung hilft, Intuition für das komplexere negative Binom zu schaffen.

Exponentielle Verteilung

Die Exponentialverteilung ist das kontinuierliche Analogon der geometrischen Verteilung. Während die geometrische Verteilung diskrete Versuche zählt, können die exponentiellen Modelle Wartezeiten in einem kontinuierlichen Poisson-Prozess (z. B. Zeit bis zum nächsten radioaktiven Zerfall) teilen. Beide Verteilungen haben die Eigenschaft des Gedächtnisses. Die Verknüpfung wird präzise, indem die Zeit zwischen den Versuchen als konstant Δt und Δt → 0 genommen wird, während die Erfolgswahrscheinlichkeit pro Versuch angepasst wird, um die Rate konstant zu halten. Diese Beziehung wird in der Überlebensanalyse und Zuverlässigkeitstechnik verwendet, um diskrete Wartezeiten mit kontinuierlichen Modellen zu approximieren.

Zum Beispiel kann die Zeit bis zum ersten Geräteausfall in einer Fabrik mit beiden Verteilungen modelliert werden, je nachdem, ob Fehler kontinuierlich oder in diskreten Inspektionsintervallen beobachtet werden.

Poisson-Verteilung

Die Poisson-Verteilung modelliert die Anzahl der Ereignisse in einem festen Zeit- oder Raumintervall. Die geometrische Verteilung modelliert dagegen die Anzahl der Versuche bis zu einem Ereignis. Beide werden durch das Konzept der Wartezeiten verknüpft: In einem Poisson-Prozess ist die Wartezeit zwischen aufeinanderfolgenden Ereignissen exponentiell verteilt (kontinuierlich) oder, wenn Ereignisse in diskreten Epochen beobachtet werden, geometrisch verteilt. Diese Verbindung ist für die Warteschlangentheorie und das Bestandsmanagement unerlässlich.

Wie man geometrische Verteilungswahrscheinlichkeiten berechnet

Gehen wir durch ein vollständiges Beispiel. Sie nehmen ein Multiple-Choice-Quiz mit vier Optionen pro Frage. Sie raten zufällig auf jede Frage, so dass die Wahrscheinlichkeit einer korrekten Antwort p = 0,25. Sie wollen die Wahrscheinlichkeit, dass die erste richtige Antwort auf die vierte Frage eintrifft.

  1. Identifizieren Sie die Verteilung: Dies ist eine geometrische Verteilung (Version 1), da wir Versuche bis zum ersten Erfolg zählen.
  2. Geben Sie den PMF an: \( P(X = k) = (1-p)^{k-1} p \).
  3. Plug-in-Werte: \(k = 4 \), \(p = 0,25 \). Dann \(P(X = 4) = (0,75)^{3} \mal 0.25 = 0.421875 \mal 0.25 = 0.10546875 \ca. 0.1055 \).

Somit besteht eine Wahrscheinlichkeit von etwa 10,55 %, dass die erste richtige Vermutung bei der vierten Frage auftritt. Sie können auch die Wahrscheinlichkeit berechnen, dass Sie mit der vierten Frage richtig geantwortet haben: \( P(X \le 4) = 1 - (0,75)^4 = 1 - 0,31640625 = 0,68359375 \ca. 68,36\% \). Diese kumulative Wahrscheinlichkeit ist oft nützlicher für die Entscheidungsfindung in der realen Welt, wie z. B. die Entscheidung, wie viele Fragen beantwortet werden sollen, bevor Sie eine Ratensstrategie aufgeben.

In Python können Sie diese direkt mit für die PMF und für die CDF berechnen. Verwenden Sie (weil R die Fehlerversion verwendet) oder für den negativen binomialen Ansatz.

Anwendungen in Data Science und Machine Learning

Die geometrische Verteilung tritt in modernen Daten-Workflows häufiger auf, als viele Analysten erkennen:

  • A/B Testing und Conversion Modeling: Wenn man die Konversionsraten in Online-Experimenten misst, ist die Anzahl der Benutzerbesuche bis zu einem Konversionsereignis oft geometrisch verteilt. Dies ermöglicht es Analysten, die erwarteten Stichprobengrößen zu berechnen und Stoppregeln festzulegen. Wenn die Baseline-Konversionswahrscheinlichkeit beispielsweise 0,02 beträgt, erwarten Sie 50 Besuche, um die erste Konversion zu sehen. Diese Informationen helfen bei der Experimentierung und Power-Analyse.
  • Reinforcement Learning und Bandit Probleme: In mehrarmigen Banditenalgorithmen modelliert die geometrische Verteilung die Zeit zwischen Explorationsversuchen, wenn ein Agent wiederholt einen suboptimalen Arm ausnutzt. Die Entscheidung des Agenten, nach einer Reihe von Fehlern zu erkunden, kann als geometrische Wartezeit bezeichnet werden, die bei der Abstimmung von Explorations-Exploitations-Trade-offs hilft.
  • Anomalieerkennung: Netzwerksicherheitssysteme überwachen Ereignisse wie Anmeldeversuche oder Datenpakete. Die Anzahl der normalen Ereignisse vor dem ersten bösartigen Ereignis kann geometrisch modelliert werden. Ist die beobachtete Wartezeit viel kürzer als erwartet, wird ein Alarm ausgelöst. Die geometrische Verteilung liefert eine theoretische Basis für die Festlegung von Schwellenwerten auf der Basis der CDF.
  • Verarbeitung natürlicher Sprache: Die geometrische Verteilung wird in Modellen des Wortvorkommens angezeigt, insbesondere bei der Modellierung des Abstands zwischen seltenen Token in einem Textkorpus. Einige statistische Sprachmodelle verwenden geometrische Wartezeiten, um Wortfolgen mit spezifischen Spärlichkeitsmustern zu erzeugen. Außerdem kann beim Informationsabruf die Anzahl der Male, die ein Benutzer eine Abfrage verfeinern muss, bevor er ein relevantes Ergebnis findet, einer geometrischen Verteilung folgen.
  • Queueing Theorie: In Servicesystemen ist die Anzahl der Kunden, die vor einem prioritären Kunden (z. B. einem VIP) ankommen, geometrisch, was bei der Gestaltung von Warteschlangendisziplinen und der Vorhersage von Wartezeiten für verschiedene Kundenklassen hilft.

Häufige Missverständnisse und Fallstricke

  1. Verwirrende die beiden Versionen der geometrischen Verteilung. Wenn Sie angeben, ob Ihr Problem die Gesamtversuche (einschließlich des Erfolgs) oder Misserfolge vor dem Erfolg zählt, wird die Version 1 verwendet, wenn Sie angeben, dass „der erste Erfolg in der 5. Studie auftritt“; wenn Sie „3 Misserfolge vor dem ersten Erfolg auftreten“ verwendet Version 2. Fehlidentifikation führt zu falschen Wahrscheinlichkeiten.
  2. Unabhängigkeit vorausgesetzt, wenn sie nicht gilt. Die geometrische Verteilung ist nur gültig, wenn die Versuche unabhängig sind und p Bei medizinischen Screenings können aufeinanderfolgende Patienten aus dem gleichen Haushalt einen Infektionsstatus haben, was die Unabhängigkeit verletzt. Bei der Herstellung können Defekte aufgrund von Maschinenverschleiß gebündelt werden.
  3. Ignorieren der Auswirkungen der speicherlosen Eigenschaft. Da die geometrische Verteilung davon ausgeht, dass vergangene Ausfälle keine Auswirkungen auf die zukünftige Erfolgswahrscheinlichkeit haben, ist sie möglicherweise nicht für Prozesse mit Lern- oder Ermüdung geeignet. So passt beispielsweise ein Verkäufer, der nach vielen Anrufen Vertrauen gewinnt, nicht zum speicherlosen Modell. Betrachten Sie in solchen Fällen alternative Verteilungen wie die Beta-Geometrie oder eine Markov-Kette.
  4. Fehlinterpretation des Mittelwerts als wahrscheinlichstes Ergebnis. Der Erwartungswert einer geometrischen Verteilung ist 1/pDer Modus (wahrscheinlicher Einzelwert) ist immer 1. Während also die durchschnittliche Anzahl von Versuchen 10 sein könnte, ist das häufigste Ergebnis der Erfolg beim ersten Versuch.

Schlussfolgerung

Die geometrische Verteilung ist eine einfache, aber mächtigeModell für die Wartezeit bis zum ersten Erfolg. Seine Eleganz liegt in den geschlossenen Formeln für die PMF, CDF, Mittelwert und Varianz sowie seine einzigartige speicherlose Eigenschaft. Durch die Untersuchung realer Beispiele - von der Qualitätskontrolle in der Fabrik und dem Krankheitsscreening bis hin zu Spielshows und Sportanalysen - sehen wir, wie die Verteilung umsetzbare Erkenntnisse für die Ressourcenplanung, Risikobewertung und Entscheidungsfindung liefert. Seine Verbindungen zu den negativen Binomial- und Exponentialverteilungen bringen sie in eine breitere Familie von Wartezeitmodellen, die in Statistik und maschinellem Lernen verwendet werden. Mit der Praxis lernen Sie, zu erkennen, wann die geometrische Verteilung angemessen ist und wie Sie sie effektiv in Ihrer eigenen Arbeit anwenden können.

Für weitere Studien konsultieren Sie die Umfassender Wikipedia-Artikel und die SticiGui Notizen von UC Berkeley. Videoserie Khan Academy bietet zugängliche visuelle Erklärungen. Für weiterführende Anwendungen siehe Vordruck zur geometrischen Verteilung bei A/B-Prüfungen. Diese Verteilung zu beherrschen wird deine probabilistische Intuition schärfen und dich auf komplexere Modelle vorbereiten.