Вам нужно быстро смоделировать момент времени, когда пользователь случайно открывает приложение в пределах фиксированного окна 10 минут, и нет данных о пиках внутри окна. Какое распределение выглядит разумным первым приближением?

ANormal(μ, σ): модель симметричных хвостов вокруг среднего, требующая обоснования пика внутри окна
BExponential(λ) для времени до события с плотностью, убывающей за пределы конечного окна наблюдения
CUniform(a, b): равномерная плотность на отрезке как стартовая модель при отсутствии данных о пиках
DPoisson(λ) для подсчёта числа событий за интервал времени, а не самого момента открытия
Правильный ответ. Если внутри короткого интервала нет причин предпочитать какие-то моменты, равномерное распределение — удобная стартовая модель.

Разбор

Равномерная модель означает постоянную плотность по времени внутри окна и отсутствие выделенных участков. Это хорошее допущение, когда данных мало и вы хотите избежать лишних гипотез о форме распределения. Когда появятся наблюдения, можно проверять, не смещается ли квантиль или не появляется ли форма ближе к Normal(μ, σ). Exponential(λ) и Poisson(λ) отвечают на другие вопросы: время до события и число событий за интервал.

Проверь себя · 1/3разбор после ответа
Команда задаёт SLA по задержке как порог, равный 95-му процентилю задержки. При стабильной системе что это означает на языке вероятностей?
Тренировать статистику в Telegram

Ещё вопросы по теме «Непрерывные распределения»