rgeom函数模拟几何分布期望结果与理论值不符问题咨询

你遇到的问题核心是混淆了R中rgeom()函数使用的几何分布定义，和你自己记忆的期望公式对应的定义——几何分布有两种常见的参数化方式，这是初学者很容易踩的坑！

1. R中rgeom()的实际定义 #

R的rgeom(n, prob = p)生成的随机变量，代表的是首次成功之前的失败次数。也就是说：

• 它的可能取值是 0, 1, 2, ...（比如取值0表示第一次试验就成功了，没有失败）
• 概率质量函数为：P(X = k) = (1-p)^k * p
• 对应的期望是：E[X] = (1-p)/p

验证一下你的例子：

• 当p=0.5时，期望是(1-0.5)/0.5 = 1，和你的模拟结果1.00134高度一致，这其实是正确的——你之前误以为自己的公式E[X] = p/(1-p)是对的，只是刚好p=0.5时p/(1-p)和(1-p)/p数值相等，才巧合匹配。
• 当p=0.2时，期望是(1-0.2)/0.2 = 4，你的模拟结果3.99477已经非常接近理论值，这完全符合预期。

2. 你记忆的公式对应的是哪种定义？ #

你提到的E[X] = p/(1-p)，对应的是另一种不那么常见的几何分布变体：首次失败之前的成功次数。这种定义下：

• 随机变量代表首次失败前成功的次数，取值为0,1,2,...
• 期望是p/(1-p)

如果想要验证这个公式，你需要把R中的成功概率换成1-p（也就是把失败当作“成功”来模拟），比如：

p <- 0.20 # 原成功概率
nrRuns <- 100000
x <- rep(0, nrRuns)
for (i in 1:nrRuns){
  x[i] <- rgeom(n = 1, prob = 1 - p) # 模拟首次失败前的成功次数
}
mean(x)

运行这段代码，你会得到接近0.25的结果，和你原本的预期一致。

总结 #

几何分布的参数化方式很容易搞混，关键要明确：

• R的rgeom默认模拟首次成功前的失败次数，期望是(1-p)/p
• 如果你需要的是其他定义的几何分布，需要调整参数或者转换变量

内容的提问来源于stack exchange，提问作者FlubberBeer