Вы считаете число регистраций как event за каждые 10 минут, при этом число посетителей в эти 10 минут не фиксировано. Какое распределение лучше отражает задачу: сколько event пришло за интервал при допущении постоянной интенсивности λ?
A
Poisson(λ)B
Binomial(n,p)C
Geometric(p)D
Bernoulli(p)Правильный ответ. Когда моделируют количество
event за интервал при интенсивности λ, используют Poisson(λ).Разбор
В такой постановке интервал фиксирован, а число event случайно — это типичный сценарий для Poisson(λ). Если бы вместо этого у вас было фиксированное n попыток и шанс success равен p, тогда подходил бы Binomial(n,p). Важно согласовать, что фиксировано: интервал времени или n trial.
Проверь себя · 1/3разбор после ответа
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?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» →