Для потока ошибок за минуту вы используете модель Poisson(λ). Какое утверждение про среднее и дисперсию числа ошибок верно?
AСреднее равно
λ и дисперсия равна λ, моменты совпадаютBСреднее равно
p, дисперсия равна p * (1 - p)CСреднее равно
n * p, дисперсия равна n * p * (1 - p)DСреднее равно нулю, а дисперсия растёт линейно с интервалом
tПравильный ответ. В
Poisson(λ) и среднее, и дисперсия равны λ.Разбор
В пуассоновской модели и среднее, и дисперсия равны параметру λ: разброс счётчика растёт вместе с уровнем потока. Если на данных дисперсия существенно больше среднего, это сигнал переразброса — например, неоднородной интенсивности или кластеризации событий. Тогда стоит подумать о другом интервале наблюдения или иной модели, например отрицательно-биномиальной. Формулы вида p*(1-p) и n*p*(1-p) относятся к Бернулли и биному, а не к Пуассону.
Проверь себя · 1/3разбор после ответа
В модели
Bernoulli(p) для клика по баннеру, что означает параметр p?Ещё вопросы по теме «Дискретные распределения»
- Пользователь либо совершил покупку в сессии, либо нет (0/1). Какое распределение лучше всего описывает один такой исход — успех или неудача?
- В модели `Bernoulli(p)` для клика по баннеру, что означает параметр `p`?
- У вас есть n показов баннера, каждый показ — независимое испытание с вероятностью клика p. Какое распределение описывает количество кликов среди этих n показов?
- Вы моделируете число успешно обработанных платежей за день как `Binomial(n,p)`. Как правильно интерпретировать `n` и `p`?
- Пользователь повторяет попытки оплаты до успешного прохождения проверки; каждая попытка независима и имеет шанс `p` на успех. Какое распределение естественно для числа попыток до первого успеха?
- Все вопросы по «Дискретные распределения» →