Как влияет увеличение λ в Exponential(λ) на время ожидания?
A
mean увеличится, ожидания станут длиннее.B
mean уменьшится, а density будет сильнее сосредоточена около нуля, потому что rate выше.C
variance станет отрицательной.DРаспределение станет
Uniform(a,b).Правильный ответ. В
Exponential(λ) больший λ соответствует большему rate и меньшему mean времени ожидания.Разбор
Интуитивно λ можно понимать как параметр частоты событий: чем он больше, тем быстрее обычно наступает событие. Поэтому уменьшается mean времени ожидания и больше probability mass оказывается около нуля. При этом форма остаётся экспоненциальной, а свойство memoryless сохраняется.
Проверь себя · 1/3разбор после ответа
Ошибка измерения датчиком обычно симметрична вокруг нуля и складывается из многих мелких факторов. Какая модель чаще всего подходит для такой ошибки?
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» →