На графике плотности для нормального распределения Normal(μ,σ) вы увидели, что максимум плотности больше 1. Что это означает?
AВероятность в этой точке больше 1, что невозможно: значит в графике плотности есть ошибка построения
BДисперсия стала отрицательной: формула плотности нормального распределения выдаёт значения, превышающие единицу
CЭто допустимо: значения плотности могут быть больше 1, а вероятность на интервале это площадь под кривой плотности
DРаспределение оказалось дискретным: нужно считать вероятностную массу в точке, а не значение плотности на графике
Правильный ответ. Значение плотности может быть больше 1, потому что ограничение 0..1 относится к вероятности, а не к плотности.
Разбор
Плотность измеряется в обратных единицах (например, 1/секунда), поэтому по величине может быть больше 1. Корректная вероятность получается только после интегрирования — как площадь под кривой плотности на интервале. Из-за этого нельзя интерпретировать значение плотности как вероятность события само по себе. Вариант про «вероятность больше 1» путает плотность и вероятность; отрицательная дисперсия невозможна по определению; а нормальное распределение непрерывно, значит вероятностной массы в точке у него нет.
Проверь себя · 1/3разбор после ответа
Вам нужно быстро смоделировать момент времени, когда пользователь случайно открывает приложение в пределах фиксированного окна 10 минут, и нет данных о пиках внутри окна. Какое распределение выглядит разумным первым приближением?
Ещё вопросы по теме «Непрерывные распределения»
- В продуктовой аналитике время ответа эндпойнта иногда моделируют как `Normal(μ,σ)`. Что корректно сказать про вероятность того, что время ответа будет ровно 200 мс?
- Вы моделируете время до следующей покупки пользователя, если покупки происходят с примерно постоянной интенсивностью и без заметной сезонности в коротком окне. Какая модель распределения чаще всего подходит как первое приближение?
- В модели ошибки измерения вы используете `Normal(μ,σ)`. Как правильно интерпретировать параметры `μ` и `σ`?
- Время ожидания ответа оператора моделируется как `Exponential(λ)`. Клиент уже ждёт 3 минуты. Что верно про условную вероятность ждать ещё больше 2 минут?
- В каком случае предположение `Uniform(a,b)` наиболее разумно как стартовая модель?
- Все вопросы по «Непрерывные распределения» →