دم سنگین

💡 سه زیر کلاس مهم از توزیعهای دم سنگین وجود دارند: توزیع دم‌کلفت توزیع دم دراز و توزیع‌های زیر نمایی. در عمل همه استفاده‌های دم-سنگین متعلق به کلاس زیر نمایی میباشند.

💡 مدلهای دم سنگین با مجموعه غنی از تکنیکهای همراه با برازش داده ها فراوانی وجود ندارد. یک مدل واضح برای ترافیک فراکتال هنوز ظهور نکرده است و هیچ جهت مشخصی به سمت یک مدل واضح وجود ندارد. استخراج مدل های ریاضی که به‌طور دقیق ترافیک دم طولانی را نشان می دهد، یک منطقه بارور برای تحقیق است.

💡 قبل از اینکه توزیع دم سنگین از نظر ریاضی معرفی شود، توزیع پوآسون بدون حافظه، که برای مدل سازی شبکه های تلفنی سنتی استفاده می شود، در زیر به‌طور خلاصه بررسی می شود. برای جزئیات بیشتر، به مقاله توزیع پواسون مراجعه کنید.

💡 بسیاری از فرایندها از نظر فنی به برد طولانی وابسته هستند اما شبیه به خود نیستند. تفاوت این دو پدیده بسیار ظریف است. دنباله سنگین به توزیع احتمال اشاره دارد و ذنباله بلند به ویژگی یک سری زمانی اشاره می کند و بنابراین باید از آنها با دقت استفاده شود و باید تمایز قائل شد. اگرچه این اصطلاحات گفته شده متمایز هستند برهم نهی های توزیع دم سنگین برای تشکیل سری های زمانی وابسته به برد طولانی جمع می شوند.

💡 با این حال هنوز هم در مورد استفاده از توزیع دم سنگین اختلافاتی وجود دارد. برخی از نویسندگان از این اصطلاح برای اشاره به توابعی که گشتاوری‌های (اول و دوم) متناهی ندارند استفاده می‌کنند. برخی دیگر از این عبارت برای اشاره به تویع‌هایی که واریانس محدودی ندارند استفاده می‌کنند.

💡 او فردی بسیار دم سنگین است و معمولاً قبل از صحبت کردن، زمان زیادی را برای فکر کردن به کلمات و معنای جملات خود صرف می‌کند.

💡 در جلسات مهم مدیریتی، داشتن شخصیتی دم سنگین و کنترل شده می‌تواند باعث افزایش اعتماد سایر اعضای تیم به تصمیمات و نظرات آن فرد شود.

💡 برخلاف بسیاری از افراد که زود هیجان‌زده می‌شوند، او با رفتاری دم سنگین و آرام، همیشه در سخت‌ترین شرایط نیز توانایی حفظ خونسردی خود را دارد.