Geometrische Verteilung Rechner

Geometrische Verteilung Rechner

Der Rechner für geometrische Verteilung berechnet exakte Wahrscheinlichkeiten für die Anzahl unabhängiger Bernoulli-Versuche, die erforderlich sind, um den ersten Erfolg zu erzielen. Geben Sie die Erfolgswahrscheinlichkeit pro Versuch und die Versuchsnummer (oder die Anzahl der Fehlschläge) ein, um sofort Punkt- und kumulative Wahrscheinlichkeiten, Schritt-für-Schritt-Lösungen, animierte Visualisierungen der Versuchssequenz, PMF/CDF-Diagramme und eine vollständige Verteilungstabelle zu erhalten. Beide Parametrisierungen – Versuchsnummer und Fehlschläge vor dem Erfolg – werden vollständig unterstützt.

Was ist die geometrische Verteilung?

Die geometrische Verteilung ist eine diskrete Wahrscheinlichkeitsverteilung, die die Anzahl der unabhängigen Versuche modelliert, die benötigt werden, um den ersten Erfolg in einer Sequenz von Bernoulli-Versuchen zu erzielen. Jeder Versuch hat die gleiche Wahrscheinlichkeit p für einen Erfolg und die Wahrscheinlichkeit q = 1 − p für einen Fehlschlag. Sie ist das diskrete Analogon zur Exponentialverteilung und die einzige diskrete Verteilung mit der Eigenschaft der Gedächtnislosigkeit.

Zwei gängige Parametrisierungen

Die geometrische Verteilung hat zwei Standardformen, was oft zu Verwirrung führt. Dieser Rechner unterstützt beide:

• Versuchs-Parametrisierung (X): X zählt die Versuchsnummer, bei welcher der erste Erfolg eintritt. X nimmt die Werte 1, 2, 3, … an und P(X = k) = (1 − p)^k−1 × p. Der Erwartungswert ist 1/p.
• Fehlschlag-Parametrisierung (Y): Y zählt die Anzahl der Fehlschläge vor dem ersten Erfolg. Y nimmt die Werte 0, 1, 2, … an und P(Y = k) = (1 − p)^k × p. Der Erwartungswert ist (1 − p)/p. Beachten Sie, dass Y = X − 1 gilt.

Die Formel der geometrischen Wahrscheinlichkeitsfunktion (PMF)

Für die Versuchs-Parametrisierung (Standardeinstellung in diesem Rechner):

P(X = k) = (1 − p)^k−1 × p, für k = 1, 2, 3, …

Die Intuition ist einfach: Die ersten (k − 1) Versuche müssen alle Fehlschläge sein (jeweils mit Wahrscheinlichkeit 1 − p), und der k-te Versuch muss ein Erfolg sein (Wahrscheinlichkeit p). Da die Versuche unabhängig sind, multiplizieren wir diese Wahrscheinlichkeiten miteinander.

CDF (Kumulative Verteilungsfunktion)

Die CDF hat einen einfachen geschlossenen Ausdruck:

P(X ≤ k) = 1 − (1 − p)^k

Dies gibt die Wahrscheinlichkeit an, dass der erste Erfolg innerhalb der ersten k Versuche eintritt. Es entspricht 1 minus der Wahrscheinlichkeit, dass alle k Versuche Fehlschläge sind.

Erwartungswert, Varianz und andere Statistiken

• Erwartungswert (Mittelwert): E[X] = 1/p — Im Durchschnitt benötigen Sie 1/p Versuche für den ersten Erfolg.
• Varianz: Var(X) = (1 − p) / p² — Höhere Varianz, wenn p klein ist (Erfolg ist selten).
• Standardabweichung: σ = √((1 − p) / p²)
• Median: ⌈−1 / log₂(1 − p)⌉ — Das kleinste k, für das P(X ≤ k) ≥ 0,5 gilt.
• Modalwert (Modus): Immer 1 — Das wahrscheinlichste Ergebnis ist der Erfolg beim ersten Versuch.
• Schiefe: (2 − p) / √(1 − p) — Immer positiv (rechtsschief).

Die Eigenschaft der Gedächtnislosigkeit

Die geometrische Verteilung ist die einzige diskrete Verteilung mit der Eigenschaft der Gedächtnislosigkeit:

P(X > s + t | X > s) = P(X > t)

Das bedeutet: Wenn Sie bereits s-mal gescheitert sind, ist die Wahrscheinlichkeit, mindestens t weitere Versuche zu benötigen, dieselbe, als würden Sie gerade erst anfangen. Vergangene Fehlschläge ändern die zukünftigen Wahrscheinlichkeiten nicht – was logisch ist, da jeder Versuch unabhängig ist.

Häufige Anwendungen

• Münzwurf — Wie oft muss man werfen, bis zum ersten Mal 'Kopf' erscheint? Bei p = 0,5 ist der Erwartungswert 2 Würfe.
• Vertrieb und Marketing — Wie viele Kaltakquise-Anrufe bis zum ersten Verkauf? Bei einer Konversionsrate von 5 % sind durchschnittlich etwa 20 Anrufe zu erwarten.
• Qualitätskontrolle — Wie viele Artikel müssen geprüft werden, bevor der erste Defekt gefunden wird? Modelliert die Wartezeit auf seltene Ereignisse.
• Glücksspiel — Wie oft muss ein Würfel geworfen werden, bis eine 6 fällt? Bei p = 1/6 ist der Erwartungswert 6 Würfe.
• Netzwerkzuverlässigkeit — Wie viele Paketübertragungen sind nötig, bis eine erfolgreich ist? Modelliert Retransmissionsprotokolle in Computernetzwerken.
• Genetik — Wie viele Nachkommen sind nötig, bis einer mit einem bestimmten Merkmal erscheint? Gilt, wenn die Merkmalsvererbung den mendelschen Regeln folgt.

Beziehung zu anderen Verteilungen

• Negative Binomialverteilung: Die geometrische Verteilung ist ein Spezialfall der negativen Binomialverteilung mit r = 1 (Warten auf genau 1 Erfolg).
• Exponentialverteilung: Die geometrische Verteilung ist das diskrete Gegenstück zur stetigen Exponentialverteilung. Beide besitzen die Eigenschaft der Gedächtnislosigkeit.
• Bernoulli-Verteilung: Jeder einzelne Versuch folgt einer Bernoulli-Verteilung. Die geometrische Verteilung zählt, wie viele Bernoulli-Versuche bis zum ersten Erfolg nötig sind.

So verwenden Sie diesen Rechner

1. Geben Sie die Erfolgswahrscheinlichkeit (p) pro Versuch ein. Diese muss zwischen 0 (exklusiv) und 1 (inklusiv) liegen.
2. Wählen Sie die Parametrisierung: Versuchsnummer (k = 1, 2, 3, …) oder Fehlschläge vor dem Erfolg (k = 0, 1, 2, …).
3. Geben Sie den Wert für k ein.
4. Klicken Sie auf "Wahrscheinlichkeit berechnen", um exakte und kumulative Wahrscheinlichkeiten, Schritt-für-Schritt-Lösungen, eine animierte Versuchssequenz, PMF/CDF-Diagramme und die vollständige Verteilungstabelle zu sehen.
5. Nutzen Sie die Schnell-Szenario-Buttons, um gängige Praxisbeispiele sofort zu erkunden.

Häufig gestellte Fragen (FAQ)

Wofür wird die geometrische Verteilung verwendet?

Die geometrische Verteilung modelliert die Anzahl der unabhängigen Versuche, die nötig sind, um den ersten Erfolg zu erzielen. Sie wird immer dann verwendet, wenn man die Frage beantworten möchte: "Wie oft muss ich es versuchen, bis ich Erfolg habe?", vorausgesetzt, jeder Versuch hat die gleiche Erfolgswahrscheinlichkeit. Typische Anwendungen sind die Analyse von Verkaufsgesprächen, Qualitätsprüfungen, Glücksspiele, Netzwerkübertragungen und Genetik.

Was ist der Unterschied zwischen den beiden Parametrisierungen?

Die Versuchs-Parametrisierung zählt die Nummer des Versuchs, bei dem der Erfolg eintritt (beginnend bei 1), während die Fehlschlag-Parametrisierung die Anzahl der Misserfolge vor dem ersten Erfolg zählt (beginnend bei 0). Sie unterscheiden sich um genau 1: Wenn X die Versuchsnummer ist, dann ist Y = X − 1 die Anzahl der Fehlschläge. Beide liefern den gleichen Wahrscheinlichkeitswert für das entsprechende k.

Was ist die Gedächtnislosigkeit?

Gedächtnislosigkeit bedeutet, dass vergangene Fehlschläge die Wahrscheinlichkeit eines zukünftigen Erfolgs nicht beeinflussen. Wenn Sie eine faire Münze bereits 10-mal geworfen haben, ohne dass Kopf erschienen ist, beträgt die Wahrscheinlichkeit, dass Sie genau 1 weiteren Wurf benötigen, immer noch 0,5 – die Münze "erinnert" sich nicht an die vergangenen Würfe. Die geometrische Verteilung ist die einzige diskrete Verteilung mit dieser Eigenschaft.

Wie hängt die geometrische Verteilung mit der negativen Binomialverteilung zusammen?

Die geometrische Verteilung ist ein Spezialfall der negativen Binomialverteilung, bei dem man auf genau r = 1 Erfolg wartet. Die negative Binomialverteilung verallgemeinert dies auf das Warten auf r Erfolge, wobei r jede positive ganze Zahl sein kann.

Warum ist der Modus immer 1?

Der Modus ist immer 1 (oder 0 bei der Fehlschlag-Parametrisierung), weil das wahrscheinlichste Einzelergebnis der Erfolg beim allerersten Versuch ist – dieser hat die Wahrscheinlichkeit p, was der höchste mögliche Wert der Wahrscheinlichkeitsfunktion (PMF) ist. Jeder nachfolgende Versuch hat eine strikt geringere Wahrscheinlichkeit, da er zuerst einen zusätzlichen Fehlschlag erfordert.