В каком случае предположение Uniform(a,b) наиболее разумно как стартовая модель?
AКогда значения симметричны вокруг
μ и отклонения описываются σ.BКогда известны границы
a и b и нет причин считать какие-то значения внутри интервала более вероятными, то density можно принять постоянной.CКогда время ожидания имеет свойство
memoryless.DКогда в данных ожидается очень высокая
variance из-за редких выбросов.Правильный ответ.
Uniform(a,b) уместно, когда известны границы a и b и density внутри интервала можно считать одинаковой.Разбор
Равномерная модель полезна, когда вы знаете, что величина лежит в определённом диапазоне, но нет информации о предпочтениях внутри него. Тогда постоянная density — простое и прозрачное допущение. В реальных задачах его часто используют как базовое приближение, а затем проверяют, нет ли пиков или смещений через данные и quantile.
Проверь себя · 1/3разбор после ответа
Для непрерывной модели с
density как получить probability, что значение лежит между a и b?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» →