Understanding the Geometric Distribution With Real-Life Examples
Table of Contents
Comprendre la distribution géométrique avec des exemples de vie réelle
La distribution géométrique est une distribution de probabilité discrète fondamentale qui modélise le nombre d'essais nécessaires pour obtenir le premier succès dans une série d'essais Bernoulli indépendants et distribués de façon identique. Sa simplicité et son interprétation intuitive en font un outil d'analyse des problèmes de temps d'attente dans les secteurs de la fabrication, des soins de santé, du jeu, du sport et de la science des données. Dans cet article, nous allons au-delà des bases pour explorer la distribution géométrique en profondeur, en tirer ses propriétés clés, l'illustrer avec des scénarios réels et le relier à des modèles connexes comme les distributions binomiales négatives et exponentielles.
Quelle est la distribution géométrique?
La distribution géométrique décrit le nombre d'essais Bernoulli nécessaires pour obtenir le premier succès. Chaque essai a deux résultats : succès avec probabilité p (où 0 < p ≤ 1) et défaillance avec probabilité 1 − p. Il est essentiel que les essais soient indépendants; le résultat d'un essai n'influence pas les essais ultérieurs et la probabilité de succès p La distribution est un modèle naturel pour tout événement de première apparition dans une expérience répétée, le premier élément défectueux, la première plainte du client, le premier lancer gratuit réussi.
Il existe deux paramétrages communs, et il est essentiel d'identifier lequel de vos problèmes utilise :
- Version 1 (essais jusqu'au premier succès): La variable aléatoire \( X \) compte le nombre total d'essais, y compris l'essai réussi. Son support est \( k = 1, 2, 3, \dots \). La fonction de masse de probabilité (PMF) est \( P(X = k) = (1-p)^{k-1} p \.
- Version 2 (défaut avant le premier succès): La variable aléatoire \( Y \) ne compte que le nombre d'échecs précédant le premier succès. Son support est \( k = 0, 1, 2, \dots \). Le PMF est \( P(Y = k) = (1-p)^k p \).
Dans cet article, nous utiliserons principalement la version 1 (compter le total des essais) sauf indication contraire. Les deux versions sont mathématiquement équivalentes et ne diffèrent que par un décalage de 1: \( X = Y + 1 \).
Principales propriétés de la distribution géométrique
Propriété sans mémoire
La distribution géométrique est la seule distribution discrète avec la propriété sans mémoire. Formellement, pour une variable aléatoire géométriquement répartie \( X \),
\( P(X > n + m \mid X > n) = P(X > m) \) pour tous les entiers non négatifs \( n, m \).
Interprétation : Si vous avez déjà attendu les essais \( n \) sans succès, la probabilité que vous devrez attendre au moins \( m \) plus d'essais est exactement la même que la probabilité de devoir au moins \( m \) essais dès le début. Les échecs passés ne changent pas les chances futures. Cette propriété ne tient que pour les distributions géométriques (discretes) et exponentielles (continues). En pratique, cela signifie que des processus comme le retournement de la pièce ou la désintégration radioactive – où chaque essai est indépendant – sont bien modélisés par la distribution géométrique.
Formules pour la moyenne, la variation et le CDF
Pour la version 1 (X = nombre d'essais), les moments et fonctions clés sont :
- Valeur prévue (moyenne) : \( \mu = \frac{1}{p} \)
- Écart : \( \sigma^2 = \frac{1 - p}{p^2} \)
- Écart type: \( \sigma = \sqrt{\frac{1 - p}{p^2}} \)
- Fonction de distribution cumulée (CDF): \( F(k) = P(X \le k) = 1 - (1 - p)^k \)
- Fonction de génération de minute (MGF): \( M X(t) = \frac{p e^t}{1 - (1-p)e^t} \) pour \( t < -\ln(1-p) \)
Par exemple, si \( p = 0,1 \), le nombre d'essais à un succès est prévu 10, la variance est de 90, et l'écart type est d'environ 9,49. La grande propagation reflète la grande variabilité inhérente à l'attente d'un événement rare. Le CDF nous permet de calculer la probabilité de succès par un essai donné, qui est particulièrement utile pour la planification.
Forme et écueil
La distribution géométrique est toujours à droite. p est petite (par exemple 0,05), la balance est extrême: la plupart des probabilités de masse sont sur de petites valeurs, mais la queue s'étend loin à droite parce que les échecs peuvent s'accumuler. p augmente au-dessus de 0,5, la scouche diminue et la distribution devient plus élevée lors du premier essai. k = 1, car le résultat le plus probable est immédiatement réussi (probabilité \( p \)). La forme est souvent décrite comme une décroissance exponentielle discrète.
Exemples de la distribution géométrique de la vie réelle
Les formules abstraites prennent du sens grâce à des applications concrètes. Nous nous développons sur plusieurs domaines où la distribution géométrique est à la fois naturelle et informative.
Contrôle de la qualité dans l'industrie manufacturière
Une usine produit des circuits imprimés. En raison de la variabilité du processus, chaque circuit a une probabilité fixe p Le nombre de panneaux testés (y compris le panneau défectueux) suit une distribution géométrique avec \( p = 0,02 \). Le nombre prévu de tests est 1 / 0,02 = 50 panneaux. La probabilité que le premier défaut apparaisse sur exactement le 30e test est \( P(X = 30) = (0.98)^{29} \times 0.02 \aprox 0.011 \). La probabilité que l'inspecteur ait besoin de 100 tests ou moins pour trouver le premier défaut est \( P(X \le 100) = 1 - (0.98)^{100} \aprox 0.867 \). Les ingénieurs de fabrication utilisent ces calculs pour fixer les intervalles d'inspection, allouer les ressources et déterminer si le processus fonctionne à un taux acceptable de défauts.
Si le nombre observé de bons panneaux avant qu'un défaut ne soit systématiquement inférieur à ce que prédit le modèle géométrique, il peut signaler un changement de qualité du procédé.
Dépistage médical et épidémiologie
Lors d'une éclosion de maladie, les unités mobiles d'analyse échantillonnent des individus d'une population. Supposons que la prévalence réelle de la maladie soit p Le nombre de tests effectués jusqu'au premier résultat positif suit une distribution géométrique. Le nombre attendu est de 1 / 0,005 = 200 tests. Les responsables de la santé peuvent estimer la probabilité qu'ils devront tester 500 personnes avant de détecter le premier cas : \( P(X > 500) = (0,995)^{500} \environ 0,082 \), ce qui signifie environ 8 % du temps nécessaire pour effectuer plus de 500 tests. Ce modèle aide à prévoir les besoins en ressources, surtout lorsque la prévalence est faible et la capacité de test est limitée.
Jeux et concours
Un concurrent d'une émission de jeux de télévision appuie sur un bouton qui allume un indicateur vert (win) ou rouge (perdu). La probabilité de gagner chaque presse est p Le nombre de presses (y compris la presse gagnante) est réparti géométriquement. Les producteurs du spectacle peuvent calculer le nombre de tours par candidat : 1 / 0.15 -6.67 tours. Ils savent aussi que 15% des participants gagnent sur la première presse, 12.75% sur la deuxième presse, 10.84% sur la troisième, etc. Cette distribution guide le calendrier des pauses commerciales et des budgets des prix. Fait intéressant, le temps d'attente pour un succès dans un jeu est souvent plus court que les téléspectateurs intuitivement attendus parce qu'ils sous-estiment la forte probabilité de succès précoce en raison de la queue géométrique décroissante.
Analyse sportive
Un joueur de baseball a une moyenne de battements de carrière de 0,300, ce qui signifie que la probabilité d'obtenir un coup dans un at‐bat donné est p = 0.30. Si l'on observe leurs at‐bats dans un jeu jusqu'à ce qu'ils obtiennent leur premier succès, le nombre de at‐bats suit une distribution géométrique. Le nombre prévu de at‐bats est de 1 / 0.30 .33. La probabilité qu'ils ne soient pas touchés dans trois at‐bats (c.-à-d., besoin de plus de trois) est \( P(X > 3) = (0.70)^3 = 0.34 \). Dans la pratique, les analystes sportifs utilisent ce modèle pour évaluer la striété : si un joueur observe des temps d'attente diverge de la distribution géométrique, il peut indiquer que l'hypothèse de probabilité constante par at‐bat est invalide en raison de matchups de pichet, de fatigue ou d'autres facteurs.
La distribution géométrique sert de modèle nul contre lequel des strites peuvent être testées.
Service à la clientèle et centres d'appels
Un centre d'appels reçoit des centaines d'appels par heure. La probabilité qu'un appel concerne un problème technique est p = 0.03. Le nombre d'appels traités jusqu'à la première visite technique est géométriquement réparti avec une moyenne 1 / 0.03 - - 33.3. Un superviseur peut calculer la probabilité que le premier appel technique apparaisse dans les 50 premiers appels : \( P(X \le 50) = 1 - (0.97)^{50} \approx 0.782 \). Cette information aide à recruter des agents de soutien technique spécialisés et à établir des points de repère de performance.
Si le temps d'attente observé est systématiquement plus court que le modèle géométrique ne le prévoit, elle peut indiquer une surtension dans les problèmes techniques (par exemple, après une mise à jour logicielle).
Distribution géométrique par rapport aux distributions connexes
Distribution binôme négative
La distribution binomiale négative généralise la distribution géométrique en modélisant le nombre d'essais nécessaires pour obtenir un nombre fixe de succès r (où r ≥ 1 est un entier). Son CMP est \( P(X = k) = \binom{k-1}{r-1} p^r (1-p)^{k-r} \) pour \( k = r, r+1, r+2, \dots \). r = 1, le coefficient binôme est égal à 1 et le PMF réduit au géométrique. Ainsi la distribution géométrique est un cas particulier du binôme négatif. En assurance, le binôme négatif modélise le nombre de revendications jusqu'à un certain seuil; en écologie, il modélise le nombre d'individus rencontrés jusqu'à ce qu'une espèce rare soit vue une seconde fois. Comprendre la distribution géométrique aide à construire l'intuition pour le binôme négatif plus complexe.
Distribution exponentielle
La distribution exponentielle est l'analogue continu de la distribution géométrique. Alors que les calculs géométriques comptent des essais discrets, les modèles exponentiels attendent des temps dans un processus de Poisson continu (p. ex., le temps jusqu'à la prochaine désintégration radioactive). Les deux distributions partagent la propriété sans mémoire. Le lien est rendu précis en prenant le temps entre les essais comme constante Δt et en laissant Δt → 0 tout en ajustant la probabilité de succès par essai pour maintenir la constante vitesse. Cette relation est utilisée dans l'analyse de survie et l'ingénierie de la fiabilité pour approximativement les temps d'attente discrets avec des modèles continus.
Par exemple, le temps jusqu'à la première défaillance de l'équipement dans une usine peut être modélisé avec soit la distribution selon que les défaillances sont observées en continu ou à intervalles d'inspection discrets.
Distribution du poisson
La distribution de Poisson modèle le nombre d'événements dans un intervalle fixe de temps ou d'espace. La distribution géométrique, par contre, modèle le nombre d'essais jusqu'à un événement. Les deux sont liés par le concept de temps d'attente : dans un processus de Poisson, le temps d'attente entre les événements consécutifs est réparti de façon exponentielle (continue) ou, si les événements sont observés à des époques discrètes, réparti de façon géométrique.
Comment calculer les probabilités de distribution géométrique
Vous prenez un quiz à choix multiples avec quatre options par question. Vous devinez aléatoirement sur chaque question, donc la probabilité d'une réponse correcte est p = 0,25. Vous voulez la probabilité que la première réponse correcte se produise sur la quatrième question.
- Identifier la distribution : C'est une distribution géométrique (version 1) car nous comptons les essais jusqu'au premier succès.
- Indiquer le FMP: \( P(X = k) = (1-p)^{k-1} p \).
- Valeurs de la prise : \( k = 4 \), \( p = 0,25 \). Ensuite \( P(X = 4) = (0,75)^{3} \times 0,25 = 0,421875 \times 0,25 = 0,10546875 \approx 0,1055 \).
Ainsi, il y a environ 10,55 % de chances que la première hypothèse correcte se produise sur la quatrième question. Vous pouvez également calculer la probabilité que vous aurez répondu correctement par la quatrième question: \( P(X \le 4) = 1 - (0,75)^4 = 1 - 0.31640625 = 0.68359375 \approx 68,36\% \). Cette probabilité cumulative est souvent plus utile dans la prise de décision du monde réel, comme décider du nombre de questions à répondre avant d'abandonner une stratégie de de devinette.
Dans Python, vous pouvez calculer ces données directement en utilisant pour le PMF et pour le CDF. Dans R, utilisez (parce que R utilise la version des échecs) ou pour l'approche binôme négative.
Applications en sciences des données et en apprentissage automatique
La distribution géométrique apparaît plus souvent dans les flux de données modernes que de nombreux analystes ne le réalisent :
- A/B Essais et modélisation de conversion : Lors de la mesure des taux de conversion dans les expériences en ligne, le nombre de visites d'utilisateurs jusqu'à ce qu'un événement de conversion soit souvent réparti géométriquement. Cela permet aux analystes de calculer les tailles d'échantillons attendues et de définir des règles d'arrêt. Par exemple, si la probabilité de conversion de base est 0,02, vous attendez 50 visites pour voir la première conversion.
- Renforcement de l'apprentissage et problèmes de banditisme : Dans les algorithmes de banditisme à armes multiples, la distribution géométrique modélise le temps entre les tentatives d'exploration lorsqu'un agent exploite à plusieurs reprises un bras sous-optimal. La décision de l'agent d'explorer après une série de défaillances peut être encadrée comme un temps d'attente géométrique, ce qui aide à régler les compromis d'exploration-exploitation.
- Détection d'anomalies : Les systèmes de sécurité réseau surveillent les événements tels que les tentatives de connexion ou les paquets de données. Le nombre d'événements normaux avant le premier événement malveillant peut être modélisé géométriquement. Si le temps d'attente observé est beaucoup plus court que prévu, une alarme est déclenchée. La distribution géométrique fournit une base théorique pour la fixation des seuils basés sur le CDF.
- Traitement des langues naturelles : La distribution géométrique apparaît dans les modèles d'occurrence de mots, en particulier lors de la modélisation de la distance entre les jetons rares dans un corpus de texte. Certains modèles de langage statistique utilisent des temps d'attente géométriques pour générer des séquences de mots avec des motifs spécifiques de sparté.
- Théorie des requêtes : Dans les systèmes de service, le nombre de clients qui arrivent avant un client prioritaire (p. ex., un VIP) est géométrique. Cela aide à concevoir des disciplines de file et à prévoir les temps d'attente pour différentes classes de clients.
Erreurs et pièges courants
- Confiant les deux versions de la distribution géométrique. Toujours préciser si votre problème compte les essais totaux (y compris le succès) ou les échecs avant le succès. Un problème qui dit -Le premier succès se produit sur le 5e essai -Utilise version 1 ; un problème qui dit -Utilise les échecs se produit avant le premier succès -Utilise la version 2.
- En supposant l'indépendance quand elle ne tient pas. La distribution géométrique n'est valable que lorsque les essais sont indépendants et p Lors du dépistage médical, les patients successifs du même ménage peuvent partager l'état de l'infection, en violation de l'indépendance. Lors de la fabrication, les défauts peuvent être regroupés en raison de l'usure de la machine.
- Ignorer les implications de la propriété sans mémoire. Comme la distribution géométrique suppose que les échecs passés n'ont pas d'effet sur la probabilité de succès futur, elle peut ne pas être appropriée pour les processus avec apprentissage ou fatigue. Par exemple, un vendeur qui gagne en confiance après de nombreux appels ne correspond pas au modèle sans mémoire.
- Mauvaise interprétation de la moyenne comme résultat le plus probable. La valeur attendue d ' une distribution géométrique est 1/pLe mode (la plus probable valeur unique) est toujours 1. Ainsi, bien que le nombre moyen d'essais soit de 10, le résultat le plus courant est le succès du premier essai. Cette distinction est importante pour la communication des résultats.
Conclusion
La distribution géométrique est simple mais puissanteSon élégance réside dans les formules fermées pour le PMF, le CDF, la moyenne et la variance, ainsi que dans sa propriété sans mémoire unique. En explorant des exemples concrets, du contrôle de la qualité de l'usine et du dépistage des maladies aux jeux et à l'analyse sportive, nous voyons comment la distribution fournit des informations concrètes pour la planification des ressources, l'évaluation des risques et la prise de décisions.
Pour plus d'informations, consulter le site Web suivant: article Wikipédia complet et les Notes de SticiGui de UC Berkeley. Les Série vidéo de l'Académie Khan Pour des applications plus avancées, voir la section «Attentions et sécurité» préimpression récente sur la distribution géométrique dans les essais A/B. Maîtriser cette distribution va aiguiser votre intuition probabiliste et vous préparer à des modèles plus complexes.