Я пытаюсь смоделировать некоторые данные о времени прибытия поезда. Я хотел бы использовать дистрибутив, который фиксирует «чем дольше я жду, тем больше вероятность того, что поезд появится» . Похоже, что такой дистрибутив должен выглядеть как CDF, так что P (Train Train Up | Ожидал 60 минут) близко к 1. Какой дистрибутив подходит для использования здесь?
distributions
modeling
Foobar
источник
источник
Ответы:
Умножение двух вероятностей
Вероятность первого прибытия в момент времени междуt и t+dt (время ожидания) равна умножению
Этот последний термин связан с:
или
давая:
и распределение вероятностей для времени ожидания:
Вывод совокупного распределения.
В качестве альтернативы вы можете использовать выражение для вероятности менее чем одного прибытия при условии, что времяt
и вероятность прибытия между временемt и t+dt равна производной
Этот подход / метод полезен, например, для получения гамма-распределения как времени ожидания n-го прихода в пуассоновском процессе. (время ожидания пуассоновского процесса, следующего за гамма-распределением )
Два примера
Вы можете связать это с парадоксом ожидания ( пожалуйста, объясните парадокс ожидания ).
Экспоненциальное распределение: если поступления являются случайными, как процесс Пуассона, тоs(t)=λ является постоянным. Вероятность следующего заезда не зависит от предыдущего времени ожидания без заезда (скажем, если вы бросаете правильные кости много раз без шести, то для следующего броска у вас не будет внезапно более высокой вероятности за шесть, см. Ошибку игрока ) , Вы получите экспоненциальное распределение, и pdf для времени ожидания: f(t)=λe−λt
Так что это второй случай, с «вероятность того, что человек уже некоторое время ждал, возрастает». , относится к вашему вопросу.
Автор StackExchangeStrike
источник
Классическим распределением для моделирования времени ожидания является экспоненциальное распределение .
источник