J'essaie de modéliser certaines données sur les heures d'arrivée des trains. Je voudrais utiliser une distribution qui capture "plus j'attends, plus le train va apparaître" . Il semble qu'une telle distribution devrait ressembler à un CDF, de sorte que P (train apparaîtra | attendu 60 minutes) soit proche de 1. Quelle distribution est appropriée à utiliser ici?
distributions
modeling
foobar
la source
la source
Réponses:
Multiplication de deux probabilités
La probabilité d'une première arrivée à un instant compris entret et t+dt (le temps d'attente) est égale à la multiplication de
Ce dernier terme est lié à:
ou
donnant:
et la distribution de probabilité pour les temps d'attente est:
Dérivation de la distribution cumulative.
Vous pouvez également utiliser l'expression pour la probabilité de moins d'une arrivée conditionnelle à ce que le temps soitt
et la probabilité d'arrivée entre l'instantt et t+dt est égale à la dérivée
Cette approche / méthode est par exemple utile pour dériver la distribution gamma comme le temps d'attente pour la n-ième arrivée dans un processus de Poisson. ( temps-d'attente-du-processus-de-poisson-suit-la distribution gamma )
Deux exemples
Vous pourriez relier cela au paradoxe de l'attente ( veuillez expliquer le paradoxe de l'attente ).
C'est donc ce deuxième cas, avec "alors la probabilité d'une arrivée, alors qu'une personne attend déjà depuis un certain temps augmente" , qui se rapporte à votre question.
Écrit par StackExchangeStrike
la source
La distribution classique pour modéliser les temps d'attente est la distribution exponentielle .
la source