В продуктовой аналитике время ответа эндпойнта иногда моделируют как Normal(μ,σ). Что корректно сказать про вероятность того, что время ответа будет ровно 200 мс?
AВероятность ровно одного значения равна значению плотности
f(200) в этой точке и интерпретируется как обычная вероятность.BВероятность ровно одного значения равна среднему
μ, поделённому на дисперсию σ², и масштабируется параметрами модели.CВероятность ровно одного значения зависит только от среднего
μ и не зависит от стандартного отклонения σ распределения.DВероятность ровно одного значения для непрерывной модели равна 0, а смысл имеет вероятность попадания в интервал значений.
Правильный ответ. Для непрерывных моделей
probability ровно в одной точке равна 0, а density сама по себе не является вероятностью.Разбор
В непрерывных моделях вероятность связана с площадью под графиком плотности на интервале. Поэтому для значения ровно 200 мс вероятность равна 0, даже если плотность в этой точке высокая. На практике сравнивают интервалы (например, меньше порога) и часто используют функцию распределения cdf или квантили для интерпретации хвостов.
Проверь себя · 1/3разбор после ответа
В каком случае предположение
Uniform(a,b) наиболее разумно как стартовая модель?Ещё вопросы по теме «Непрерывные распределения»
- На графике плотности для нормального распределения `Normal(μ,σ)` вы увидели, что максимум плотности больше 1. Что это означает?
- Вы моделируете время до следующей покупки пользователя, если покупки происходят с примерно постоянной интенсивностью 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 условную вероятность ждать ещё больше 2 минут?
- В каком случае предположение `Uniform(a,b)` наиболее разумно как стартовая модель?
- Все вопросы по «Непрерывные распределения» →