今天聊点硬核的。

最近好多朋友问我，地理学里的分布问题搞不明白。其实大家说的可能不是纯地理，而是概率统计里的几何分布。很多人一听“求期望”就头疼。真的，别怕。我把这些年的心得揉碎了说给你听。

先说个真事儿。

我有个学生叫小李，考研复试被问懵了。题目很简单，就是抛硬币，直到第一次出现正面为止。问他平均要抛几次。小李当时脑子一片空白，公式记混了。结果复试差点挂科。后来他死磕这一章，终于通透了。

其实geo分布求期望真的不难。

关键在于你要理解它的本质。它描述的是什么？是“第一次成功”需要的时间。

比如你打游戏。每次通关的概率是p。你想知道平均打几把能通关。这就是典型的几何分布场景。

很多人搞混了两种定义。

一种是从1开始计数。第一种试验就成功。期望是1/p。

另一种定义在有些老旧教材里，是从0开始计数的。也就是失败次数。那时候期望就是(1-p)/p。

这点千万别搞错。现在主流教材和考试，基本都用第一种。也就是E(X) = 1/p。

你要是做题算出来是(1-p)/p，多半是定义没对齐。

咱们再深入一点。为什么是1/p？

这有个很直观的逻辑。假设你投篮命中率30%。也就是0.3。你平均每投几球进一个？

3.33个左右。

1除以0.333，差不多就是这个数。这个直觉对吗？对的。

但你得注意，这个期望是“平均值”。不代表你第3.33球一定进。你可能第1球就进了，也可能扔了10球都没进。几何分布有一个很“反人类”的性质，它没有记忆性。

你扔了9球都没进，第10球成功的概率，和第1球就成功的概率是一模一样的。

这种特性在工程 reliability 分析里特别有用。

比如设备维修。假设每次维修成功的概率是固定的。虽然听起来不现实，因为设备越旧越容易坏，但在简化模型里，我们常常这么假设。这时候，用geo分布求期望就能算出平均维修次数。

不过这里有个坑。

现实中的概率p通常是变化的。第一次失败，第二次成功的概率可能更高，也可能更低。这时候，严格的几何分布就不适用了。你得用负二项分布，或者更复杂的模型。

别死记硬背公式。

你要记住p和期望的反比关系。

成功率越低，等待的期望就越长。这不是废话吗？对，但这就是数学的魅力。它在量化我们的耐心。

我有个做数据的朋友，他用这个做A/B测试。测试一个新按钮的点击率。如果点击率极低，比如0.01。那平均要展示100次才能产生一次点击。

这对产品决策影响巨大。

如果误用了其他分布，期望算小了，可能高估了用户反馈速度。算错了，坑的就是整个项目进度。

所以，别小看这个小小的1/p。

它在背后撑起了很多决策模型。

再啰嗦一句关于计算的事。

别用手算复杂的级数求和。虽然理论上能推导出来：sum k p (1-p)^(k-1)。那个求和过程挺折磨人的。直接记住结论1/p就好。考试时候要是让你推导，那就慢慢算。日常应用，直接代入数值。

还有啊，别把几何分布和二项分布搞混。

二项固定次数，求成功次数。几何固定成功次数，求尝试次数。

方向反了。

方向反了，公式就全错了。

我见过太多人在这栽跟头。把n代入到几何分布的公式里，闹出笑话。

记住，geo分布求期望的核心就是那个倒数关系。简单，粗暴，有效。

最后想说，学统计别怕枯燥。

那些冷冰冰的公式背后，都是生活的影子。

你等公交的时间，你抽卡直到出金光的时间，甚至你等到朋友回消息的时间。虽然不完全符合几何分布，但那个“期望等待”的思维模型是通用的。

多结合实际想想。

比如下次你排队结账。如果前面每个人的处理时间平均是2分钟。那这就是几何分布的一个特例变体吗？不完全是，那是均匀分布或指数分布的事。但思路是相通的。

理解分布，就是理解世界的随机性。

当你不再害怕随机，你就能在混乱中找到秩序。

这就是学数学的意义吧。

不是为了考试，是为了看清世界的一角。

希望小李那种后悔的事，你别经历。

好好复习，搞懂1/p背后的逻辑。你就赢了大多数只会背公式的人。

加油吧。