Ошибка измерения датчиком обычно симметрична вокруг нуля и складывается из многих мелких независимых факторов. Какая модель чаще всего подходит для такой ошибки?
Нормальное, экспоненциальное, равномерное распределения — основа статистического моделирования. На собеседовании просят нарисовать плотность, посчитать вероятность попадания в интервал, объяснить правило трёх сигм. Знание свойств основных распределений необходимо для понимания статистических тестов.
Всего в этом разделе 20 вопросов. Каждый — с правильным ответом и кратким разбором теории. Разбито на 4 части по 5 вопросов.
1Ошибка измерения датчиком обычно симметрична вокруг нуля и складывается из многих мелких независимых факторов. Какая модель чаще всего подходит для такой ошибки?
AРавномерное распределение `Uniform(a, b)` на отрезке вокруг нуля как простая модель симметричной ошибки
BЭкспоненциальное распределение `Exponential(λ)` со средним около нуля как модель шумовой компоненты датчика
CНормальное распределение `Normal(μ, σ)` со средним `μ` около нуля как модель симметричного аддитивного шума
DНикакая модель не подходит, потому что плотности распределений для шумов измерений на практике не используются
Ответ: Сумма многих малых независимых влияний часто даёт форму, близкую к `Normal(μ, σ)`.
Когда ошибка получается как результат множества небольших шумов, разумно ожидать примерно симметричную форму вокруг центра. Тогда `Normal(μ, σ)` становится удобной моделью для описания неопределённости измерения. Параметр `σ` задаёт типичный масштаб отклонений и связан с дисперсией. Это следствие центральной предельной теоремы для сумм независимых вкладов.
2В модели ошибки измерения вы используете `Normal(μ,σ)`. Как правильно интерпретировать параметры `μ` и `σ`?
A`μ` задаёт разброс наблюдений вокруг нуля, а `σ` обозначает центр распределения и равен среднему значению выборки
B`μ` задаёт центр распределения (среднее), а `σ` отвечает за масштаб разброса и связан с дисперсией `σ²`
C`μ` равен значению квантиля `0.5`, а `σ` равен значению плотности в нуле и с шириной распределения не связан
D`μ` равен минимальному значению в выборке, а `σ` равен максимальному и задаёт расстояние между крайними наблюдениями
Ответ: В `Normal(μ,σ)` `μ` соответствует среднему, а `σ` контролирует разброс и связан с дисперсией.
Параметр `μ` задаёт, вокруг какого значения концентрируются наблюдения, то есть центр распределения по среднему. Параметр `σ` определяет, насколько широким будет распределение, и напрямую связан с дисперсией `σ²`. Для аналитики важно помнить: изменение `μ` сдвигает распределение, а изменение `σ` меняет неопределённость и ширину. Варианты про минимум/максимум и про квантиль с плотностью путают параметры с другими характеристиками распределения.
3Вы 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?
A`Uniform(a,b)`: время до покупки равномерно лежит в фиксированном интервале от `a` до `b`
B`Exponential(λ)`: время до следующего события при примерно постоянной интенсивности `λ`
C`Normal(μ,σ)`: время до покупки симметрично распределено вокруг среднего `μ` с разбросом `σ`
DНикакая модель не подходит: время ожидания нельзя описывать через плотность распределения
Ответ: Время до события при постоянной интенсивности часто моделируют как `Exponential(λ)`.
`Exponential(λ)` часто используют как модель времени ожидания между событиями при условии постоянной интенсивности. Параметр `λ` связан с тем, насколько часто происходят события, и определяет типичный масштаб ожидания через среднее. На практике это удобная базовая модель, которую потом можно уточнять, если видны пики, сезонность или разные режимы поведения пользователей.
4На графике плотности для нормального распределения `Normal(μ,σ)` вы увидели, что максимум плотности больше 1. Что это означает?
AВероятность в этой точке больше 1, что невозможно: значит в графике плотности есть ошибка построения
BДисперсия стала отрицательной: формула плотности нормального распределения выдаёт значения, превышающие единицу
CЭто допустимо: значения плотности могут быть больше 1, а вероятность на интервале это площадь под кривой плотности
DРаспределение оказалось дискретным: нужно считать вероятностную массу в точке, а не значение плотности на графике
Ответ: Значение плотности может быть больше 1, потому что ограничение 0..1 относится к вероятности, а не к плотности.
Плотность измеряется в обратных единицах (например, 1/секунда), поэтому по величине может быть больше 1. Корректная вероятность получается только после интегрирования — как площадь под кривой плотности на интервале. Из-за этого нельзя интерпретировать значение плотности как вероятность события само по себе. Вариант про «вероятность больше 1» путает плотность и вероятность; отрицательная дисперсия невозможна по определению; а нормальное распределение непрерывно, значит вероятностной массы в точке у него нет.
5В 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.
Ответ: Для непрерывных моделей `probability` ровно в одной точке равна 0, а `density` сама по себе не является вероятностью.
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.