Comprender la distribución geométrica con ejemplos de vida real

La distribución geométrica es una distribución discreta fundamental que modela el número de ensayos requeridos para lograr el primer éxito en una secuencia de ensayos independientes y distribuidos idénticamente Bernoulli. Su sencillez e interpretación intuitiva lo convierten en una herramienta de análisis de problemas de espera a través de la fabricación, la salud, el juego, los deportes y la ciencia de datos. En este artículo, vamos más allá de lo básico para explorar la distribución geométrica en profundidad, deriva sus propiedades relacionadas con el escenario real

¿Qué es la distribución geométrica?

La distribución geométrica describe el número de ensayos de Bernoulli necesarios para obtener el primer éxito. Cada ensayo tiene dos resultados: éxito con probabilidad p (donde 0) < p ≤ 1) y fracaso con probabilidad 1 - p. En el plano fundamental, los juicios son independientes; el resultado de un juicio no influye en los juicios posteriores, y la probabilidad de éxito p La distribución es un modelo natural para cualquier evento de primera aparición en un experimento repetido: el primer elemento defectuoso, la primera queja del cliente, el primer lanzamiento gratuito exitoso.

Existen dos parametrizaciones comunes, y es esencial identificar cuál de sus problemas utiliza:

  • Versión 1 (juicios hasta el primer éxito): La variable aleatoria \( X \) cuenta el número total de pruebas, incluyendo el ensayo exitoso. Su soporte es \( k = 1, 2, 3, \dots \). La función de masa de probabilidad (PMF) es \( P(X = k) = (1-p)^{k-1} p \).
  • Versión 2 (failures before first success): La variable aleatoria \( Y \) cuenta sólo el número de fallos anteriores al primer éxito. Su soporte es \( k = 0, 1, 2, \dots \). La PMF es \( P(Y = k) = (1-p)^k p \).

A lo largo de este artículo utilizaremos principalmente la versión 1 (contando ensayos totales) a menos que se indique lo contrario. Las dos versiones son matemáticamente equivalentes y difieren sólo por un cambio de 1: \( X = Y + 1 \).

Propiedades clave de la distribución geométrica

Propiedad sin memoria

La distribución geométrica es la única distribución discreta con la propiedad sin memoria. Formalmente, para una variable aleatoria distribuida geométricamente \( X \),

\( P(X √ n + m \mid X √ n) = P(X √≥ m) \) para todos los enteros no negativo \( n, m \).

Interpretación: Si ya ha esperado a través de \( n \) ensayos sin éxito, la probabilidad de que usted tendrá que esperar al menos \( m \) más pruebas es exactamente igual a la probabilidad de necesitar al menos \( m \) pruebas desde el principio. Los fallos pasados no cambian las probabilidades futuras. Esta propiedad sólo tiene para las distribuciones geométricas (descretas) y exponenciales (continua) de la fatiga.

Fórmulas para Medios, Variancia y CDF

Para la versión 1 (en inglés)X = número de ensayos), los momentos y funciones clave son:

  • Valor esperado (medio): \( \mu = \frac{1}{p} \) \)
  • Variación: \( \sigma^2 = \frac{1 - p}{p^2} \)
  • Desviación estándar: \( \sigma = \sqrt{1 - p}{p^2} \)
  • Función de distribución acumulativa (CDF): \( F(k) = P(X \le k) = 1 - (1 - p)^k \)
  • Función de generación de movimiento (MGF): \( M X(t) = \frac{p e^t}{1 - (1-p)e^t} \) para \( t < -\ln(1-p) \)

Estas fórmulas son fáciles de calcular e interpretar. Por ejemplo, si \( p = 0.1 \), entonces el número esperado de ensayos a un éxito es 10, la varianza es 90, y la desviación estándar es alrededor de 9.49. La gran extensión refleja la alta variabilidad inherente a la espera de un evento raro. El CDF nos permite calcular la probabilidad de éxito por un determinado ensayo, que es especialmente útil para la planificación.

Forma y Skewness

La distribución geométrica siempre es correcta. p es pequeña (por ejemplo, 0,05), la esqueje es extrema: la mayoría de la masa de probabilidad se sienta en valores pequeños, pero la cola se extiende lejos a la derecha porque los fracasos pueden acumularse. p aumenta por encima de 0,5, la esqueje disminuye y la distribución se vuelve más acrecentada en el primer ensayo. k = 1, porque el resultado más probable es tener éxito inmediatamente (probabilidad \( p \)). La forma se describe a menudo como una desintegración exponencial discreta.

Ejemplos de la distribución geométrica

Las fórmulas abstractas ganan significado a través de aplicaciones concretas. Ampliamos en varios dominios donde la distribución geométrica es natural e informativa.

Control de calidad en la fabricación

Una fábrica produce tableros de circuito. Debido a la variabilidad del proceso, cada tablero tiene una probabilidad fija p \0 \ defectuar el proceso \ de la aplicación \ es defectuoso \ n.o \ n.o \ n.o de la prueba \ n.o de la aplicación \ / 0,02 \) es de la probabilidad de la primera aplicación de la prueba \(p = 0,02 \) = 0 )

Screening médico y epidemiología

Durante un brote de enfermedad, las unidades de pruebas móviles muestra a individuos de una población. Suponga la verdadera prevalencia de la enfermedad es p = 0.005 (0,5%). El número de pruebas realizadas hasta que el primer resultado positivo siga una distribución geométrica. El número esperado es 1 / 0.005 = 200 pruebas. Los funcionarios de salud pueden estimar la probabilidad de que tengan que probar 500 personas antes de detectar el primer caso: \( P(X √≠ 500) = (0.995)^{500} grupo de aplicación 0.082 \), lo que significa que alrededor del 8% del tiempo que se infecte el pronóstico de la prevalencia será más de 500 pruebas de la pérdida.

Juegos Espectáculos y concursos

Un concursante en un programa de televisión pulsa un botón que ilumina un indicador verde (ganado) o rojo (sólo). La probabilidad de ganar cada prensa es p = 0,15. El concursante puede presionar repetidamente hasta que se produzca una victoria. El número de prensa (incluyendo la prensa ganadora) se distribuye geométricamente. Los productores del espectáculo pueden calcular el número esperado de rondas por concursante: 1 / 0,15 Ω ♥ 6,67 rondas.

También saben que el 15% de los concursantes gana en la primera prensa, 12,75% en la segunda prensa, 10, 84% en el tercer, etc.

Análisis de deportes

Un jugador de béisbol tiene un promedio de bateo de carrera de 0.300, lo que significa que la probabilidad de conseguir un éxito en un dado a bate es p = 0.30. Si observamos sus bates en un juego hasta que se obtiene su primer éxito, el número de at-bats sigue una distribución geométrica. El número esperado de at-bats es 1 / 0.30 Ω 3.33. La probabilidad de que se vayan sin éxito en tres a-bats (es decir, necesidad más de tres) es \( P(X Ø 3) = (0.70)^3 = 0,3 analista de resistencia

Servicio al Cliente y Centros de Llamada

Un centro de llamadas recibe cientos de llamadas por hora. La probabilidad de que una llamada se refiere a un problema técnico es p = 0.03. El número de llamadas manejadas hasta que la primera llamada técnica se distribuya geométricamente con media 1 / 0.03 Ω 33.3. Un supervisor puede calcular la probabilidad de que la primera llamada técnica aparezca en las primeras 50 llamadas: \( P(X \le 50) = 1 - (0.97)^{50} \approx 0.782 \). Esta información ayuda en la dotación de agentes técnicos especializados de apoyo y en la fijación de puntos de rendimiento indican el modelo de espera de espera de tiempo seguido.

Distribución geométrica vs. Distribución relacionada

Distribución binomio negativo

La distribución binomio negativa generaliza la distribución geométrica mediante el modelado del número de ensayos necesarios para lograr un número fijo de éxitos r (donde) r ≥ 1 es un entero). Su PMF es \( P(X = k) = \binom{k-1}{r-1} p^r (1-p)^{k-r} \) para \( k = r, r+1, r+2, \dots \). r = 1, el coeficiente binomial es igual a 1 y el PMF reduce a la geométrica. Así la distribución geométrica es un caso especial del binomial negativo. En el seguro, los modelos binomiales negativos el número de reclamaciones hasta cierto umbral; en la ecología, modela el número de individuos encontrados hasta que una especie rara se ve por segunda vez. Entendiendo la distribución geométrica ayuda a construir intuición para el binomial negativo más complejo.

Distribución exponencial

La distribución exponencial es el analógico continuo de la distribución geométrica. Mientras que la geometría cuenta ensayos discretos, los modelos exponenciales tiempos de espera en un proceso continuo de Poisson (por ejemplo, tiempo hasta la siguiente desintegración radiactiva). Ambas distribuciones comparten la propiedad sin memoria. El enlace se hace preciso tomando el tiempo entre pruebas como un Δt constante y dejando Δt → 0 mientras ajusta la probabilidad de éxito por prueba para mantener el índice de supervivencia constante.

Distribución de Poisson

La distribución Poisson modela el número de eventos en un intervalo fijo de tiempo o espacio. La distribución geométrica, por contraste, modela el número de ensayos hasta un evento. Ambos están vinculados a través del concepto de tiempos de espera: en un proceso Poisson, el tiempo de espera entre eventos consecutivos se distribuye exponencialmente (continua) o, si los eventos se observan en épocas discretas, geométricamente distribuidas.

Cómo calcular las probabilidades de distribución geométrica

Vamos a caminar a través de un ejemplo completo. Usted está tomando un examen de selección múltiple con cuatro opciones por pregunta. Usted adivina aleatoriamente en cada pregunta, por lo que la probabilidad de una respuesta correcta es p = 0.25. Usted quiere la probabilidad de que la primera respuesta correcta se produzca en la cuarta pregunta.

  1. Identificar la distribución: Esta es una distribución geométrica (Versión 1) porque estamos contando ensayos hasta el primer éxito.
  2. Estado de la PMF: \( P(X = k) = (1-p)^{k-1} p \).
  3. Enchufe valores: \( k = 4 \), \( p = 0.25 \). Entonces \( P(X = 4) = (0.75)^{3} \times 0.25 = 0.421875 \times 0.25 = 0.10546875 \approx 0.1055 \).

Así, hay una probabilidad de 10,55% de que la primera adivina correcta se produce en la cuarta pregunta. También puede calcular la probabilidad de que usted haya respondido correctamente por la cuarta pregunta: \( P(X \le 4) = 1 - (0,75)^4 = 1 - 0.31640625 = 0.68359375 \approx 68.36\% \). Esta probabilidad acumulativa es a menudo más útil en la decisión real

En Python, puede calcular estos directamente utilizando para la PMF y para el CDF. En R, utilice (porque R utiliza la versión de fallos) o para el enfoque binomio negativo.

Aplicaciones en Ciencia de Datos y Aprendizaje de Máquinas

La distribución geométrica aparece más a menudo en los flujos de trabajo modernos de datos que muchos analistas se dan cuenta:

  • Modelo de ensayo y conversión A/B: Al medir las tasas de conversión en experimentos en línea, el número de visitas de usuarios hasta que un evento de conversión se distribuya geométricamente. Esto permite a los analistas calcular los tamaños de muestra esperados y establecer reglas de parada. Por ejemplo, si la probabilidad de conversión de base es 0.02, usted espera que 50 visitas para ver la primera conversión.
  • Problemas de aprendizaje y bandido: En algoritmos de bandido multiarmado, la distribución geométrica modela el tiempo entre los intentos de exploración cuando un agente explota repetidamente un brazo suboptimal. La decisión del agente de explorar después de una cadena de fallas puede ser enmarcada como un tiempo de espera geométrico, lo que ayuda a ajustar el comercio de exploración-explotación.
  • Detección de anomalías: Los sistemas de seguridad de la red monitorean eventos como intentos de inicio de sesión o paquetes de datos. El número de eventos normales antes del primer evento malicioso puede ser modelado geométricamente. Si el tiempo de espera observado es mucho más corto de lo esperado, se activa una alarma. La distribución geométrica proporciona una base teórica para establecer umbrales basados en el CDF.
  • Procesamiento de lenguaje natural: La distribución geométrica aparece en modelos de aparición de palabras, especialmente cuando se modela la distancia entre fichas raras en un cuerpo de texto. Algunos modelos de lenguaje estadístico utilizan tiempos de espera geométricos para generar secuencias de palabras con patrones específicos de sparsity. Además, en la recuperación de información, el número de veces que un usuario necesita refinar una consulta antes de encontrar un resultado relevante puede seguir una distribución geométrica.
  • Teoría de cola: En los sistemas de servicio, el número de clientes que llegan ante un cliente prioritario (por ejemplo, un VIP) es geométrico. Esto ayuda a diseñar disciplinas queuing y predecir tiempos de espera para diferentes clases de clientes.

Misconcepciones comunes y Pitfalls

  1. Confusando las dos versiones de la distribución geométrica. Siempre esclare si su problema cuenta los ensayos totales (incluyendo el éxito) o los fracasos antes del éxito. Un problema que dice que “el primer éxito ocurre en el quinto juicio” utiliza la versión 1; un problema que dice que “3 fallas ocurren antes del primer éxito” utiliza la versión 2. La identificación conduce a probabilidades incorrectas.
  2. Suponiendo independencia cuando no se mantiene. La distribución geométrica es válida sólo cuando las pruebas son independientes y p es constante. En el examen médico, los pacientes sucesivos de la misma casa pueden compartir el estado de infección, violando la independencia. En la fabricación, los defectos pueden ser agrupados debido al desgaste de la máquina.
  3. Ignorar las implicaciones de la propiedad sin memoria. Debido a que la distribución geométrica supone que los fracasos pasados no tienen ningún efecto en la probabilidad de éxito futuro, puede no ser apropiado para procesos con aprendizaje o fatiga. Por ejemplo, un vendedor que gana confianza después de muchas llamadas no se ajusta al modelo sin memoria. En tales casos, considere distribuciones alternativas como la cadena Beta-geometric o Markov.
  4. Malinterpretar el medio como el resultado más probable. El valor esperado de una distribución geométrica es 1/p, pero esto no es necesariamente un entero. El modo (el valor más probable es único) es siempre 1. Así que mientras el número promedio de juicios puede ser 10, el resultado más común es el éxito en el primer juicio. Esta distinción es importante para comunicar los resultados.

Conclusión

La distribución geométrica es un simple pero poderosomodelo para el tiempo de espera hasta el primer éxito. Su elegancia se encuentra en las fórmulas de forma cerrada para el PMF, CDF, media y varianza, así como su propiedad única sin memoria. Explorando ejemplos de vida real, desde control de calidad de fábrica y detección de enfermedades a programas de juego y análisis deportivo, vemos cómo la distribución proporciona información práctica para la planificación de recursos, evaluación de riesgos y toma de decisiones.

Para estudiar más a fondo, consulte artículo completo de Wikipedia y el Notas de SticiGui de UC Berkeley. El Serie de vídeo de Khan Academy ofrece explicaciones visuales accesibles. Para aplicaciones más avanzadas, vea reciente preimpresión sobre distribución geométrica en pruebas A/B. Dominar esta distribución afilará su intuición probabilística y le preparará para modelos más complejos.