几何分布计算器

作者: Henrick Yau
- July 21, 2026
| |

几何分布计算器

计算几何分布的概率质量函数（PMF）、累积分布函数（CDF）、均值、方差及其他统计量，成功概率为p。

参数输入

计算选项

显示选项

关于几何分布

几何分布描述了在一系列独立的伯努利试验中，每次成功概率为p时，获得首次成功所需的试验次数。

两种常见变体
  • 试验次数： 计算直到（包括）首次成功为止的总试验次数。定义域：x ∈ {1, 2, 3, ...}
  • 失败次数： 仅计算首次成功前的失败次数。定义域：x ∈ {0, 1, 2, ...}

两种变体在实际中均有使用，因此明确您使用的是哪种变体非常重要。

关键性质
  • 无记忆性： P(X > s + t | X > s) = P(X > t)
  • 均值（期望值）： E[X] = 1/p（试验）或 (1-p)/p（失败）
  • 方差： Var(X) = (1-p)/p²（两种版本）
  • 众数： 始终为1（试验）或0（失败）
  • 偏度： (2-p)/√(1-p) > 0，表示右偏
应用

几何分布常用于建模：

  • 获得成功所需的尝试次数
  • 事件首次发生的等待时间
  • 质量控制（检查到缺陷前的产品数量）
  • 可靠性测试（设备故障前的试验次数）
  • 机会游戏（获得特定结果前的投掷次数）
  • 客户获取或转化过程的建模
与其他分布的关系
  • 几何分布是负二项分布的特例，其中r = 1（一次成功）。
  • 它是连续指数分布的离散对应形式。
  • 与指数分布类似，它是唯一的离散无记忆分布。

几何分布关键公式

概率质量函数（试验次数）：
\( P(X = x) = (1-p)^{x-1} \times p \quad \text{对于} \quad x = 1,2,3,... \)

概率质量函数（失败次数）：
\( P(X = x) = (1-p)^x \times p \quad \text{对于} \quad x = 0,1,2,... \)

累积分布函数：
\( P(X \leq x) = 1 - (1-p)^x \)

均值：
试验次数：\( \mu = \frac{1}{p} \quad \) 失败次数：\( \mu = \frac{1-p}{p} \)

方差：
\( \sigma^2 = \frac{1-p}{p^2} \)

标准差：
\( \sigma = \sqrt{ \frac{1-p}{p^2} } \)

什么是几何分布计算器？

几何分布计算器是一款强大的统计工具，可帮助您轻松计算几何分布的概率和描述性统计量。它通过提供概率质量函数、累积分布函数、期望值、方差和标准差等结果，简化了概率与统计分析。无论您需要求解试验次数还是失败次数，这款概率分布求解器都能满足您的需求。

此计算器如何为您提供帮助

使用此统计分析工具，您可以：

  • 快速计算经过一定次数试验或失败后获得首次成功的可能性。
  • 找到首次成功所需的预期试验次数或失败次数。
  • 通过直观的图表可视化概率分布。
  • 探索均值、方差和标准差等关键统计指标，以进行更好的数据分析。

在处理随机事件、试验或二元结果时，它是一款可靠的数据分析助手。同时，它也适用于质量控制、可靠性研究和客户行为分析等概率与统计辅助应用场景。

如何使用几何分布计算器

上手非常简单。请按照以下步骤操作：

  • 步骤1：输入介于0和1之间的成功概率（p）。
  • 步骤2：选择分布类型：
    • 试验次数：计数包括成功在内的所有试验。
    • 失败次数：仅计数首次成功之前的失败次数。
  • 步骤3：选择计算类型（概率质量函数、累积分布函数、大于、至少或期望值）。
  • 步骤4：输入您想要计算概率的x值，如果计算均值则留空。
  • 步骤5：根据需要调整可选设置，如小数位数或图表选项。
  • 步骤6：点击计算查看结果、图表和详细的解题步骤。

这使其成为处理概率分布问题的任何人的用户友好型统计计算资源。

理解几何分布为何重要

几何分布是统计分析中的关键概念，因为它模拟了“等待首次成功”的时间。常见用途包括：

  • 质量控制检验（找到第一个缺陷品）。
  • 预测在机会游戏中获胜所需的试验次数。
  • 分析系统中的客户获取率或故障率。

掌握这一概念能提升您准确分析数据集并通过统计计算解释现实世界事件的能力。

常见问题解答

什么是几何分布？

几何分布模拟了在每次试验成功概率相同的情况下，获得首次成功所需的独立试验次数。它是一种离散概率分布。

何时应使用此计算器？

当您想要计算与一系列独立尝试直至首次成功相关的概率、期望值或方差时，请使用此几何概率工具。

试验次数和失败次数有什么区别？

  • 试验次数版本：计数包括成功在内的所有试验。x = 1, 2, 3, …
  • 失败次数版本：仅计数首次成功之前的失败次数。x = 0, 1, 2, …

如果我的成功概率非常小怎么办？

计算器仍然有效！小概率在可靠性测试和罕见事件建模中很常见。结果将根据小数位数设置以高精度显示。

我可以将其用于教育目的吗？

当然可以！对于研究概率、均值和中位数、标准差等概念的学生、教师和研究人员来说，它是一款完美的统计分析工具。

您可能觉得有用的相关工具