Вы моделируете число успешно обработанных платежей за день как Binomial(n,p). Как правильно интерпретировать n и p?
A
n — число success, а p — число trialB
n — параметр интенсивности λ, а p — шанс successC
n — длина интервала времени, а p — число eventD
n — число trial, а p — шанс success в каждом trialПравильный ответ. В
Binomial(n,p) n — число trial, а p — шанс success в каждом trial.Разбор
Например, n может быть числом платежных попыток, а success — успешная оплата. Если n не фиксировано и вы считаете event за интервал времени, чаще подходит Poisson(λ). Правильная интерпретация параметров важна, иначе модель будет не соответствовать процессу.
Проверь себя · 1/3разбор после ответа
За день система обработала ровно
n загрузок файла; каждая загрузка — trial и может завершиться success с шансом p. Какое распределение описывает число успешных загрузок за день?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`?
- 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`?
- В модели `Geometric(p)` для retry-процесса что означает `p`?
- Все вопросы по «Дискретные распределения» →