На графике плотности распределения видно, что около значения t плотность почти постоянна на маленьком интервале. Как корректно приблизить вероятность попасть в этот маленький интервал?
AВзять значение плотности в точке и сразу назвать его искомой вероятностью попадания в маленький интервал.
BУмножить плотность около точки на ширину интервала, получив площадь под кривой и тем самым приближение вероятности.
CРазделить значение плотности в точке на дисперсию величины и считать получившееся отношение искомой вероятностью.
DВзять квантиль распределения и вычесть среднее, а полученную разницу использовать как вероятность попадания.
Правильный ответ. Для малого интервала вероятность можно оценить как площадь, то есть значение плотности умножить на ширину интервала.
Разбор
Интуиция такая же, как у площади прямоугольника: высота — это плотность, ширина — длина интервала, произведение даёт приближение площади. Это работает, когда плотность мало меняется внутри интервала. При больших интервалах нужно учитывать изменение плотности и считать точнее через функцию распределения или численное интегрирование. Важно помнить: значение плотности в точке не равно вероятности попасть ровно в эту точку.
Проверь себя · 1/3разбор после ответа
Ошибка измерения датчиком обычно симметрична вокруг нуля и складывается из многих мелких независимых факторов. Какая модель чаще всего подходит для такой ошибки?
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?
- На графике плотности для нормального распределения `Normal(μ,σ)` вы увидели, что максимум плотности больше 1. Что это означает?
- 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?
- Все вопросы по «Непрерывные распределения» →