指数 vs 统一 vs 精确平均响应时间
Exponential vs Uniform vs Exact Mean Response Times
所以我很难回答这个问题。它问我应该选择什么，这将给我最快的平均响应时间。
所以选项 1 我有指数分布，服务率为每分钟 2 个。这使我的服务时间为 0.5m = 30s。
选项 2，我在 10 秒到 50 秒之间均匀分布，所以这给了我 10 秒到 50 秒之间的均匀时间，所以平均值是中位数，即 30 秒。
选项 3，我有 50% 的概率得到 10 秒的准确响应时间或 50% 的概率我得到 50 秒的准确响应时间。所以如果我做这个计算：(0.5)(10/60) + (0.5)(50/60) 我得到 0.5m 或 30s.
所有这些选项都给我相同的平均响应时间，所以我不确定在这里选择什么。
您想知道在每种情况下房车的期望值。
对于指数 RV：
E[X] = 1/lambda (lambda = rate)
E[X] = 1/2
对于均匀分布，期望值就是平均值。
对于选项 3，使用期望值的定义：
E[X] = sum(E[x_i]P(x_i)) over all i
那么你最好的选择就是期望值最低的那个。如果它们都一样，那是你唯一的选择标准，那么你选择哪个选项都没有关系。
所以我很难回答这个问题。它问我应该选择什么，这将给我最快的平均响应时间。
所以选项 1 我有指数分布，服务率为每分钟 2 个。这使我的服务时间为 0.5m = 30s。
选项 2，我在 10 秒到 50 秒之间均匀分布，所以这给了我 10 秒到 50 秒之间的均匀时间，所以平均值是中位数，即 30 秒。
选项 3，我有 50% 的概率得到 10 秒的准确响应时间或 50% 的概率我得到 50 秒的准确响应时间。所以如果我做这个计算：(0.5)(10/60) + (0.5)(50/60) 我得到 0.5m 或 30s.
所有这些选项都给我相同的平均响应时间，所以我不确定在这里选择什么。
您想知道在每种情况下房车的期望值。
对于指数 RV：
E[X] = 1/lambda (lambda = rate)
E[X] = 1/2
对于均匀分布，期望值就是平均值。
对于选项 3，使用期望值的定义：
E[X] = sum(E[x_i]P(x_i)) over all i
那么你最好的选择就是期望值最低的那个。如果它们都一样，那是你唯一的选择标准，那么你选择哪个选项都没有关系。