일부 대기가 더 많은 대기를 예상하는 상황을 반영하는 배포

15

Peter Thiel의 스타트 업 강의에 대한 Blake Master의 노트를 읽으 면서 기술 프론티어에 대한 이 은유 를 발견했습니다.

연못, 호수, 바다로 덮여있는 세상을 상상해보십시오. 당신은 보트, 물 속에 있습니다. 그러나 안개가 심해서 상대방과의 거리를 모릅니다. 연못, 호수 또는 바다에 있는지 알 수 없습니다.

연못에 있다면 교차하는 데 약 1 시간이 걸릴 수 있습니다. 하루 종일 외출했다면 호수 나 바다에있는 것입니다. 1 년 동안 외출 한 적이 있다면 바다를 건너고있는 것입니다. 여행이 길수록 예상 잔여 여행 시간이 길어집니다. 시간이 지남에 따라 상대방에게 다가가는 것이 사실입니다. 그러나 여기서 시간이 지남에 따라 여전히 갈 길이 멀다는 것을 알 수 있습니다.

내 질문 :이 상황, 특히 굵은 부분을 가장 잘 나타내는 확률 분포 또는 통계 프레임 워크가 있습니까?

distributions queueing interarrival-time

— 앤디 맥켄지
소스

12

지수 분포는 "메모리가없는"속성, 즉 (비유를 사용하여) 여정까지의 길이는 남은 여정의 길이에 영향을 미치지 않습니다. 분포의 밀도가 지수 분포의 밀도보다 빠르게 감소하면 더 긴 여행은 남은 여행이 짧다는 것을 의미합니다. 반대로 지수보다 느리게 감쇠하는 밀도 (예 : 하위 지수 분포 참조) )는 설명하는 특성을 갖습니다.

$<1$

— 브 나울
소스

좋은 대답 bnaui. 나는 비슷한 것을 말할 계획이었다.

— Michael R. Chernick 2016 년

좋은 답변, 감사합니다. 나는 기억이없는 것과의 연결을 좋아합니다. 이것은 내가 진행하고있는 것보다 훨씬 더 나은 설명이며, ask.metafilter.com/152125/Waiting-begets-waiting 때문에이 질문을 거의하지 않았습니다.

— 앤디 맥켄지

7

f (x) = \frac{α x_{m}}{x^{α - 1}}

$f(x) = \frac{\alpha x_m}{x^{\alpha - 1}}$

[x_{m}, \infty)

$[x_m, \infty)$

α > 0

$\alpha>0$

x > y

$x>y$

y

$y$ 는 새로운 최소값으로 사용됩니다.

$E[x] = \frac{\alpha x_m}{\alpha - 1}$ $\alpha=2$ $T$ $2T$

— 블레이크 라일리
소스

3

여기서 두 개의 연결을 그릴 수 있습니다. 먼저 @bnaul의 예는 지수가 Weibull의 특수한 경우이고, 후자는 모노톤 위험 함수를 갖기 때문에 예시 적입니다 . shape 매개 변수에 따라 "대기 시간이 길수록 더 오래 기다릴 것"과 "대기 시간이 길수록 더 오래 기다려야하는 시간"을 모두 포함 할 수 있습니다. 파레토는 지수의 지수이기 때문에 예가 좋습니다.이 사실에서 언급 한 것을 포함하여 많은 속성이 파생됩니다.

— 추기경

+1 좋은 답변, 감사합니다. 이것은 프로세스를 좀 더 직관적으로 만듭니다.

— Andy McKenzie