Какая пара утверждений про cdf и density наиболее корректна?
A
cdf в точке x даёт probability значения не больше x, а density описывает, как эта probability распределена по оси и интегрируется до 1.B
density в точке равна probability в точке, а cdf всегда постоянна.C
cdf измеряет variance, а density измеряет mean.D
cdf и density — это одно и то же, просто разные названия.Правильный ответ.
cdf даёт накопленную probability, а density — локальную «интенсивность» и сама по себе не равна probability.Разбор
cdf удобно интерпретировать как долю probability массы слева от порога, поэтому через неё легко получать quantile. density показывает, где масса распределения более концентрирована, но её нужно интегрировать, чтобы получить probability на интервале. Из-за этого сравнение density в точках не заменяет сравнение вероятностей для диапазонов.
Проверь себя · 1/3разбор после ответа
Как влияет увеличение
λ в Exponential(λ) на время ожидания?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» →