На графике density видно, что около значения t density почти постоянна на маленьком интервале. Как корректно приблизить probability попасть в этот маленький интервал?
AВзять
density в точке t и назвать это probability.BУмножить
density около t на ширину интервала, получив area и тем самым probability.CРазделить
density на variance.DВзять
quantile и вычесть mean.Правильный ответ. Для малого интервала
probability можно оценить как area, то есть density умножить на ширину интервала.Разбор
Интуиция такая же, как у площади прямоугольника: высота — это density, ширина — длина интервала, произведение даёт приближение area. Это работает, когда density мало меняется внутри интервала. При больших интервалах нужно учитывать изменение density, и тогда точнее работать через cdf или численное интегрирование. Важно помнить: density в точке не равна probability.
Проверь себя · 1/3разбор после ответа
Вы моделируете время до следующего отказа сервиса, если риск отказа в каждый момент примерно постоянный и прошлое время без отказов не меняет будущее (свойство
memoryless (свойство «без памяти»)). Какую модель выбрать?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» →