close
到目前為止
我看到的同時線上人數最高是3
很好奇說有沒有可能出現4
又剛剛好最近正在學統計
所以...我就用統計的方法...
來估算這個可能性吧
首先:
我做了以下兩個假設
1.這個分佈應該是一個密度函數...
所以我是用poison來逼近...
2.我假設每個人來參觀平均是3分鐘會關掉視窗
然後我就用以下的程式碼:
rm(list=ls())
n=81<----本日人氣
p=180/86400
(180秒就是三分鐘/一天有86400分鐘)
x <- seq(0, 20, length = 21)
f.x <- dpois(x, lambda=n*p)
plot(x, f.x, type = "l", lty = 1, axes = F, lwd = 1)
axis(1, at = c(0, 1, 2, 3, 4,5,7,10,15,20), tick = T, pos = 0)
(以上只是我想要作圖)
f.x<---這個才是我要的結果!!
---------------------------------------------------------------
答案揭曉
以今天為例:
[1] 8.447201e-01 1.425465e-01 1.202736e-02 6.765391e-04 2.854149e-05
[6] 9.632754e-07 2.709212e-08 6.531136e-10 1.377662e-11 2.583115e-13
[11] 4.359007e-15 6.687113e-17 9.403753e-19 1.220679e-20 1.471355e-22
[16] 1.655274e-24 1.745797e-26 1.732960e-28 1.624650e-30 1.442946e-32
[21] 1.217486e-34
本來這個分佈是從0開始的
可是只要自己上線...就一定有1人...所以不可能看到0
所以看到1人的機會是0.8447
2人的機會是0.1425
3人的機會是0.0120
4人的機會是..........0.0006765<-------已經太小啦
而且感覺平均在線上應該不會有三分鐘那麼久.......
所以大概是不可能的吧!!
我看到的同時線上人數最高是3
很好奇說有沒有可能出現4
又剛剛好最近正在學統計
所以...我就用統計的方法...
來估算這個可能性吧
首先:
我做了以下兩個假設
1.這個分佈應該是一個密度函數...
所以我是用poison來逼近...
2.我假設每個人來參觀平均是3分鐘會關掉視窗
然後我就用以下的程式碼:
rm(list=ls())
n=81<----本日人氣
p=180/86400
(180秒就是三分鐘/一天有86400分鐘)
x <- seq(0, 20, length = 21)
f.x <- dpois(x, lambda=n*p)
plot(x, f.x, type = "l", lty = 1, axes = F, lwd = 1)
axis(1, at = c(0, 1, 2, 3, 4,5,7,10,15,20), tick = T, pos = 0)
(以上只是我想要作圖)
f.x<---這個才是我要的結果!!
---------------------------------------------------------------
答案揭曉
以今天為例:
[1] 8.447201e-01 1.425465e-01 1.202736e-02 6.765391e-04 2.854149e-05
[6] 9.632754e-07 2.709212e-08 6.531136e-10 1.377662e-11 2.583115e-13
[11] 4.359007e-15 6.687113e-17 9.403753e-19 1.220679e-20 1.471355e-22
[16] 1.655274e-24 1.745797e-26 1.732960e-28 1.624650e-30 1.442946e-32
[21] 1.217486e-34
本來這個分佈是從0開始的
可是只要自己上線...就一定有1人...所以不可能看到0
所以看到1人的機會是0.8447
2人的機會是0.1425
3人的機會是0.0120
4人的機會是..........0.0006765<-------已經太小啦
而且感覺平均在線上應該不會有三分鐘那麼久.......
所以大概是不可能的吧!!
全站熱搜
留言列表