Когда часто используют Poisson(λ) как приближение к Binomial(n,p) для числа success?
AКогда
n маленькое, а p близко к 1BКогда
n маленькое, а p большое, чтобы было больше successCКогда
n большое, p маленькое, и λ = n*p умеренноеDКогда шанс
success заметно меняется от trial к trialПравильный ответ. При
n большом и p малом, когда λ = n*p, Poisson(λ) часто хорошо аппроксимирует Binomial(n,p).Разбор
Интуитивно, много редких success по большим n дают счетчик событий, похожий на поток event. В такой ситуации работать с Poisson(λ) бывает удобнее, особенно если n трудно фиксировать, а λ стабилен для интервала. Важно помнить, что это аппроксимация, и при больших p она может давать заметную ошибку.
Проверь себя · 1/3разбор после ответа
Пользователь либо совершил покупку в сессии, либо нет (0/1). Какое распределение лучше всего описывает один такой
trial с исходом success или failure?Ещё вопросы по теме «Дискретные распределения»
- Пользователь либо совершил покупку в сессии, либо нет (0/1). Какое распределение лучше всего описывает один такой `trial` с исходом `success` или `failure`?
- В модели `Bernoulli(p)` для клика по баннеру, что означает параметр `p`?
- У вас есть `n` показов баннера, и каждый показ — один `trial` с `success` (клик) с шансом `p`. Какое распределение описывает количество `success` среди этих `n` `trial`?
- 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 — `trial` с шансом `p` получить `success`. Какое распределение естественно для числа `trial` до первого `success`?
- Все вопросы по «Дискретные распределения» →