Если X имеет Normal(μ,σ), чему равна probability того, что X ровно равен своему медианному quantile (50-й quantile)?
AОна равна 0.5, потому что медианный
quantile делит probability пополам.BОна равна значению
density в этой точке.CОна зависит от
variance и обычно больше 0.DОна равна 0, потому что для непрерывной модели
probability в точке равна 0.Правильный ответ. Для непрерывных распределений
probability в точке равна 0, даже если точка является quantile.Разбор
Медианный quantile говорит про разделение probability массы слева и справа, но не делает точечную вероятность ненулевой. В непрерывных моделях ненулевая probability появляется только на интервале значений. Поэтому корректно говорить о probability быть меньше порога или попасть в диапазон, а не о probability ровно одного значения.
Проверь себя · 1/3разбор после ответа
Два распределения
Normal(μ,σ) имеют одинаковый μ, но у второго σ больше. Как будет выглядеть второе по сравнению с первым?Ещё вопросы по теме «Непрерывные распределения»
- В продуктовой аналитике время ответа эндпойнта иногда моделируют как `Normal(μ,σ)`. Что корректно сказать про `probability` того, что время ответа будет ровно 200 мс?
- На графике `density` для `Normal(μ,σ)` вы увидели, что максимум `density` больше 1. Что это означает?
- Вы моделируете время до следующей покупки пользователя, если покупки происходят с примерно постоянным `rate` и без заметной сезонности в коротком окне. Какая модель распределения чаще всего подходит как первое приближение?
- В модели ошибки измерения вы используете `Normal(μ,σ)`. Как правильно интерпретировать параметры `μ` и `σ`?
- Время ожидания ответа оператора моделируется как `Exponential(λ)`. Клиент уже ждёт 3 минуты. Что верно про `conditional probability` ждать ещё больше 2 минут?
- Все вопросы по «Непрерывные распределения» →