Ошибка измерения датчиком обычно симметрична вокруг нуля и складывается из многих мелких факторов. Какая модель чаще всего подходит для такой ошибки?
A
Uniform(a,b)B
Exponential(λ)C
Normal(μ,σ) с μ близким к нулюDНикакая, потому что
density для ошибок не используют.Правильный ответ. Сумма многих малых независимых влияний часто даёт форму, близкую к
Normal(μ,σ).Разбор
Когда ошибка получается как результат множества небольших шумов, разумно ожидать примерно симметричную форму вокруг центра μ. Тогда Normal(μ,σ) становится удобной моделью для описания неопределённости. Параметр σ задаёт типичный масштаб отклонений и связан с variance.
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» →