Geometrik Dağılım Hesaplama

İstatistikSon güncelleme: 22 Ağustos 2026

Geometrik dağılım, başarı olasılığı p olan bağımsız denemelerde ilk başarının kaçıncı denemede geleceğini modeller. Bu araç yaygın ders kitabı tanımını kullanır: X, ilk başarı elde edilene kadar yapılan TOPLAM DENEME SAYISI'dır ve destek 1, 2, 3, … şeklindedir (başarının kendisi de sayılır). Bir zarda ilk 6'nın kaçıncı atışta geleceği, bir satış temsilcisinin kaçıncı görüşmede ilk satışı yapacağı ya da bir makinenin kaçıncı çevrimde ilk kez arızalanacağı bu dağılımla incelenir.

Araç tam olasılık P(X = k), kümülatif olasılık P(X ≤ k), üst kuyruk P(X > k) = (1 − p)^k, seçtiğiniz [a, b] aralığının olasılığı ile ortalama (1/p), varyans ((1 − p)/p²), standart sapma, mod ve medyanı birlikte döndürür. Geometrik dağılımın en dikkat çekici özelliği hafızasızlıktır: geçmişte kaç kez başarısız olduğunuz, bundan sonraki denemelerin olasılığını değiştirmez.

0 ile 1 arasında girin (yüzde 20 için 0,2). Ondalık ayırıcı olarak virgül kullanabilirsiniz.
İlk başarının kaçıncı denemede geldiğini merak ettiğiniz sayı. En küçük değer 1'dir.
P(a ≤ X ≤ b) için alt sınır. Boş bırakılırsa 1 kabul edilir.
P(a ≤ X ≤ b) için üst sınır. Boş bırakılırsa üst sınır sonsuz kabul edilir.

Geometrik Dağılım Formülleri (deneme sayısı tanımı)

Kütle fonksiyonu:  P(X = k) = (1 − p)ᵏ⁻¹ · p,  k = 1, 2, 3, …
Kümülatif:         P(X ≤ k) = 1 − (1 − p)ᵏ
Üst kuyruk:        P(X > k) = (1 − p)ᵏ
En az k deneme:    P(X ≥ k) = (1 − p)ᵏ⁻¹
Aralık:            P(a ≤ X ≤ b) = (1 − p)ᵃ⁻¹ − (1 − p)ᵇ
Ortalama:          μ = 1 / p
Varyans:           σ² = (1 − p) / p²
Standart sapma:    σ = √(1 − p) / p
Mod:               1  (en yüksek olasılık daima ilk denemededir)
Medyan:            ⌈ln(0,5) / ln(1 − p)⌉
Hafızasızlık:      P(X > m + n | X > m) = P(X > n)

Alternatif tanımda X, ilk başarıdan önceki başarısızlık sayısıdır (destek 0, 1, 2, …) ve ortalama (1 − p)/p olur. Bu araç deneme sayısı tanımını kullanır; iki tanım arasında geçiş Y = X − 1 ile yapılır ve varyans her iki tanımda da (1 − p)/p²'dir.

Nasıl Hesaplanır?

  1. Tek denemedeki başarı olasılığını (p) 0 ile 1 arasında girin; yüzde 20 için 0,2 yazın.
  2. İlk başarının kaçıncı denemede geleceğini merak ettiğiniz deneme sayısını (k) girin; en küçük değer 1'dir.
  3. İsterseniz aralık sınırlarını (a ve b) belirleyin; üst sınırı boş bırakırsanız P(X ≥ a) hesaplanır.
  4. Tam, kümülatif ve üst kuyruk olasılıklarını okuyun: P(X > k) doğrudan ilk k denemenin tamamının başarısız olma olasılığıdır.
  5. Ortalama (1/p), medyan ve standart sapmayı birlikte değerlendirin; dağılım sağa çarpık olduğu için ortalama tek başına yeterli değildir.
  6. Kütle grafiğinde olasılığın k büyüdükçe geometrik hızla azaldığını ve en yüksek çubuğun daima k = 1'de olduğunu görün.

Örnek Hesaplamalar

Başarı olasılığı %20: ilk başarı 5. denemede

p = 0,2 iken ilk başarının tam 5. denemede gelme olasılığı P(X = 5) = 0,0819'dur. En çok 5 denemede başarı olasılığı 0,6723; ilk 5 denemenin tamamının başarısız olma olasılığı (0,8)⁵ = 0,3277'dir. Ortalamada 5 deneme gerekir, standart sapma 4,4721, medyan 4 denemedir ve P(3 ≤ X ≤ 8) = 0,4722 çıkar.

İlk başarı tam 5. denemede — P(X = 5): 0,0819 · En çok 5 deneme — P(X ≤ 5): 0,6723 · 5 değerinden az — P(X < 5): 0,5904

Zarda ilk 6: kaçıncı atışta gelir?

Hilesiz zarda 6 gelme olasılığı p ≈ 0,1667'dir. İlk 6'nın tam 3. atışta gelme olasılığı P(X = 3) = 0,1157'dir. İlk 6 atışın hiçbirinde 6 gelmemesi olasılığı 0,3349 olduğundan altı atışta en az bir 6 görme olasılığı P(1 ≤ X ≤ 6) = 0,6651'dir. Beklenen atış sayısı 6, medyan ise 4 atıştır.

İlk başarı tam 3. denemede — P(X = 3): 0,1157 · En çok 3 deneme — P(X ≤ 3): 0,4213 · 3 değerinden az — P(X < 3): 0,3056

Yüksek başarı olasılığı: p = 0,6

p = 0,6 iken ilk denemede başarı olasılığı P(X = 1) = 0,6000'dır ve bu dağılımın modudur. İlk 3 denemede başarı olasılığı P(1 ≤ X ≤ 3) = 0,9360'tır. Ortalama 1,6667 deneme, standart sapma 1,0541 ve medyan 1 denemedir.

İlk başarı tam 1. denemede — P(X = 1): 0,6000 · En çok 1 deneme — P(X ≤ 1): 0,6000 · 1 değerinden az — P(X < 1): 0

Sıkça Sorulan Sorular

Geometrik dağılımda destek 0'dan mı 1'den mi başlar?
İki tanım da kullanılır ve karıştırılmamalıdır. Bu araç 'ilk başarıya kadar toplam deneme sayısı' tanımını kullanır; destek 1, 2, 3, … ve ortalama 1/p'dir. Diğer tanımda X ilk başarıdan önceki başarısızlık sayısıdır; destek 0'dan başlar ve ortalama (1 − p)/p olur. R'ın dgeom fonksiyonu ikinci tanımı kullandığı için sonuçları karşılaştırırken bir birim kaydırma gerekir.
Hafızasızlık özelliği ne anlama gelir?
P(X > m + n | X > m) = P(X > n) eşitliğidir: ilk m denemede başarısız olduğunuzu bilmek, kalan denemelerin olasılık yapısını hiç değiştirmez. Yazı-tura atarken art arda 10 kez yazı gelmesi, bir sonraki atışta tura gelme olasılığını artırmaz. Geometrik dağılım, kesikli dağılımlar arasında bu özelliğe sahip tek dağılımdır; sürekli karşılığı üstel dağılımdır.
'Kumarbaz yanılgısı' ile ilişkisi nedir?
Kumarbaz yanılgısı, uzun süredir gelmeyen bir sonucun 'artık gelme sırası geldiği' inancıdır. Hafızasızlık özelliği bunun yanlış olduğunu doğrudan gösterir: bağımsız denemelerde geçmiş sonuçlar geleceği etkilemez. Bu araçtaki P(X > k) sütunu, k deneme boyunca başarısız olma olasılığının nasıl geometrik hızla azaldığını, ancak koşullu olasılığın sabit kaldığını görmenizi sağlar.
Excel, SPSS ve R'de nasıl hesaplanır?
Excel'de doğrudan bir fonksiyon yoktur; P(X = k) için =(1-p)^(k-1)*p ve P(X ≤ k) için =1-(1-p)^k yazılır. R'de deneme sayısı tanımı için dgeom(k-1, p) ve pgeom(k-1, p) kullanılır (R başarısızlık tanımını esas alır). Python'da scipy.stats.geom.pmf(k, p) doğrudan deneme sayısı tanımını kullanır. SPSS'te PDF.GEOM(k, p) fonksiyonu bulunur.
Geometrik dağılım ile negatif binom dağılımı arasındaki ilişki nedir?
Geometrik dağılım, negatif binom dağılımının r = 1 (yani ilk başarı) özel hâlidir. Negatif binom, r'inci başarıya kadar geçen süreyi modeller; r = 1 alındığında tam olarak geometrik dağılım elde edilir. Birden fazla başarıyı beklemeniz gerekiyorsa negatif binom hesaplayıcısını kullanın.
Ortalama 1/p neden bu kadar büyük çıkıyor?
Beklenen deneme sayısı başarı olasılığının tersidir: p = 0,01 ise ortalamada 100 deneme gerekir. Ancak dağılım aşırı sağa çarpık olduğundan denemelerin yarısı ortalamadan çok daha erken (medyan yaklaşık 0,693/p) sonuçlanır. Bu nedenle geometrik dağılımı raporlarken ortalamayı tek başına vermeyin; medyanı ve kuyruk olasılıklarını da ekleyin.
Denemeler bağımsız değilse ne yapmalıyım?
Geometrik model bağımsızlık ve sabit p varsayımına dayanır. Sonlu bir kitleden iadesiz çekim yapıyorsanız her çekilişte olasılık değiştiği için negatif hipergeometrik dağılım gerekir; öğrenme etkisi ya da zamanla değişen risk varsa hayatta kalma analizi (Kaplan-Meier, Cox regresyonu) daha uygundur. Kitle büyük ve örnek küçükse (n/N ≤ 0,05) geometrik model iyi bir yaklaşım olarak kullanılabilir.