Comments 11
Bruh
Очень хорошая статья. Все по делу ,как по мне. Есть что взять на заметку.Очень понравился стиль изложения материала и главное ссылки.))
Уверен, для многих материал окажется очень полезным и интересным.
В описании гамма распределения написано что «так формируется распределение Вейбулла»
С одной стороны – красиво оформленные анимации и примеры кода для формирования распределений у себя на коленке. С другой стороны – а в чем физический смысл этих распределений? Хотя бы пару примеров из жизни, подходы как увидеть такое распределение в прикладной задаче? Для кого в итоге эта статья написана? Для того, кто в теме и кто знает тервер, эта статья будет ни о чем. А для того, кто не знает тервер, от этих красивых анимаций и сухого кода понятней не станет, и придется искать информацию в интернете.
Спасибо за комментарий. Целью данной статьи являются примеры генерации случайных величин из основных типов распределений. Информации о применении распределений в жизни достаточно много в других статьях, поэтому я решил её здесь не дублировать, чтобы сохранить лаконичность и наглядность примеров данной статьи. С другой стороны, ценностью детализации алгоритма генерации можно назвать, например, тот факт, что распределение Пуассона - это Биномиальное распределение для большого 
, или что разница интенсивности отказов в Экспоненциальном распределении и распределении Вейбулла выражается в возводимой степени 
. Эта информация, которая обычно не лежит на поверхности в других статьях или видео-уроках, что может оказаться ценным для людей, знающих тервер, и для тех, кто только начал знакомство с распределениями.
Например, мы используем распределение, когда строим модель управления запасами на складе. В условиях неопределённости и невозможности спрогнозировать задержки на каждом этапе поставки груза, используются статистические данные предшествующих периодов которые подчиняются законам распределения. Например, фура проходит через границу, мы не знаем, сколько она простоит, т к это процесс очень комплексный и зависит от множества факторов: длина очереди, количество работающих постов, скорость обработки таможней, попадем на осмотр или нет и т д. Однако, у нас есть статистика за предыдущие прохождения границы и, понимая некоторые закономерности и применяя определенный закон распределения, мы можем построить прогноз затраченного времени и учесть его в нашей математической модели цепи поставки.
Согласен. Движение транспортного потока - это классический пример применения распределения Пуассона. Почитать подробнее можно в Главе 7 - "Распределение интервалов между автомобилями" книги П. Н. Малюгина - "Моделирование дорожного движения".
Также стоит обратить внимание на очень интересную статью "Парадокс времени ожидания, или почему мой автобус всегда опаздывает?", где, в частности, также расскрывается тема распределения Пуассона.
Ещё одной очень интересной статьёй является "Анализ распределения временных интервалов между покупками на R", где автор пытается подтвердить или опровергнуть принадлежность интервалов собственных покупок по банковской карте за полгода к определённым распределениям (в частности экспоненциальному).
Хорошая статья с точки зрения обобщения материала! Можно быстро по своим и следования посмотреть чтобы прикинуть куда копать дальше...
Основные типы распределений вероятностей в примерах