Бернулли, биномиальное, пуассоновское, геометрическое распределения — модели для подсчёта событий и успехов. На собеседовании спрашивают, когда применять каждое из них: сколько покупок в час (Пуассон), какова вероятность трёх успехов из десяти попыток (биномиальное). Конкретные примеры из бизнеса ценятся особенно.
Всего в этом разделе 20 вопросов. Каждый — с правильным ответом и кратким разбором теории. Разбито на 4 части по 5 вопросов.
В `Bernoulli(p)` исход принимает 1 при `success` и 0 при `failure`. Параметр `p` задает шанс `success` в одном `trial`. Если вы суммируете `n` таких исходов, то естественной моделью становится `Binomial(n,p)`.
Если `p` близок к 0, клики редки, а если `p` близок к 1, клики происходят почти всегда. Важно, что `p` относится к одному `trial`, а не к числу пользователей или длительности интервала. Для подсчета числа кликов среди `n` показов обычно используют `Binomial(n,p)`.
Интуиция простая: если интенсивность постоянна, за вдвое больший интервал приходит примерно вдвое больше `event`. Поэтому `λ` для интервала 2 минуты становится `2*λ`. Это удобно для перевода между разными интервалами наблюдения без пересборки модели.
Интуитивно, если шанс `success` равен `p`, то из `n` `trial` в среднем успешными будут примерно доля `p`. Поэтому типичное число успехов пропорционально `n` и `p`. Эта связь помогает при грубой оценке ожидаемого объема конверсий в группе.
В `Poisson(λ)` параметр `λ` — среднее число `event` в выбранном интервале. Модель подходит для потоков: ошибки, входящие заявки, сообщения, если интенсивность примерно постоянна внутри интервала. Если вместо интервала у вас фиксировано `n` `trial`, чаще выбирают `Binomial(n,p)`.
В приложении — таймер, прогресс, стрики и 1700+ вопросов по всем темам.
Тренировать в Telegram