Вы моделируете число успешно обработанных платежей за день как Binomial(n,p). Как правильно интерпретировать n и p?
A
n: число успешных платежей; p: общее число попыток оплаты в течение дняB
n: параметр интенсивности λ из распределения Пуассона; p: вероятность успехаC
n: длина рассматриваемого интервала; p: общее количество событий за интервалD
n: число независимых попыток оплаты; p: вероятность успеха в каждой попыткеПравильный ответ. В
Binomial(n,p) параметр n — это число независимых попыток, а p — вероятность успеха в каждой попытке.Разбор
Например, n может быть числом платёжных попыток, а успехом — успешная оплата. Если n не фиксировано и вы считаете число событий за интервал времени, чаще подходит Poisson(λ). Правильная интерпретация параметров важна, иначе модель будет не соответствовать реальному процессу.
Проверь себя · 1/3разбор после ответа
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?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?
- 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?
- В модели `Geometric(p)` для процесса с повторными попытками что означает параметр `p`?
- Все вопросы по «Дискретные распределения» →