Вы моделируете число успешно обработанных платежей за день как Binomial(n,p). Как правильно интерпретировать n и p?
A
n: число успешных платежей; p: общее число попыток оплаты в течение дняB
n: параметр интенсивности λ из распределения Пуассона; p: вероятность успехаC
n: длина рассматриваемого интервала; p: общее количество событий за интервалD
n: число независимых попыток оплаты; p: вероятность успеха в каждой попыткеПравильный ответ. В
Binomial(n,p) параметр n — это число независимых попыток, а p — вероятность успеха в каждой попытке.Разбор
Например, n может быть числом платёжных попыток, а успехом — успешная оплата. Если n не фиксировано и вы считаете число событий за интервал времени, чаще подходит Poisson(λ). Правильная интерпретация параметров важна, иначе модель будет не соответствовать реальному процессу.
Можно заниматься бесплатно
Готовим вопросы…
Три вопроса по теме этой страницы, с объяснениями.
Ещё вопросы по теме «Дискретные распределения»
- Пользователь либо совершил покупку в сессии, либо нет (0/1). Какое распределение лучше всего описывает один такой исход — успех или неудача?
- В модели `Bernoulli(p)` для клика по баннеру, что означает параметр `p`?
- У вас есть n показов баннера, каждый показ — независимое испытание с вероятностью клика p. Какое распределение описывает количество кликов среди этих n показов?
- Пользователь повторяет попытки оплаты до успешного прохождения проверки; каждая попытка независима и имеет шанс `p` на успех. Какое распределение естественно для числа попыток до первого успеха?
- В модели `Geometric(p)` для процесса с повторными попытками что означает параметр `p`?
- Все вопросы по «Дискретные распределения» →