Что корректнее использовать для моделирования времени загрузки страницы как random variable X, если время измеряется на непрерывной шкале?
A
PMF, потому что время — это наблюдение из логов.B
PMF, потому что время имеет конечное число значений.CТолько
CDF, потому что PDF не существует в реальных данных.D
PDF, потому что X непрерывна и вероятности задаются на интервалах.Правильный ответ. Для непрерывных величин вероятности задаются через
PDF (и эквивалентно через CDF), а не через PMF.Разбор
Время может принимать много значений, поэтому точечные вероятности вроде P(X=t) в непрерывной модели равны 0. PMF подходит, когда есть счётное множество значений (например, число покупок). Для задержек удобно использовать PDF или CDF и работать с вероятностями интервалов, например P(X<=500).
Проверь себя · 1/3разбор после ответа
Что наиболее точно описывает
PDF для непрерывной random variable X (например, время ожидания)?Ещё вопросы по теме «Случайные величины: основы»
- В эксперименте с монетой исходы: орёл или решка. Определим `random variable` `X`: `X=1` для орла и `X=0` для решки. Что в общем случае означает `random variable`?
- Пусть `random variable` X — число выпавших очков при броске честного кубика. Какой это тип `random variable`?
- Что описывает `PMF` для дискретной `random variable` X?
- Что наиболее точно описывает `PDF` для непрерывной `random variable` X (например, время ожидания)?
- Почему для непрерывной `random variable` X верно `P(X=a)=0`, даже если значение a кажется возможным?
- Все вопросы по «Случайные величины: основы» →