Известна функция распределения CDF F(x) для случайной величины X. Как выразить P(X > t) через F?
A
P(X > t) = 1 - F(t): правый хвост получается дополнением до единицы от значения функции CDF в точке tB
P(X > t) = F(t): это P(X <= t), то есть левая часть распределения, а не вероятность правого хвоста по CDFC
P(X > t) = F(1 - t): подстановка 1 - t в функцию CDF не имеет смысла для произвольных значений t величины XD
P(X > t) = PDF(t): это значение плотности PDF в точке t, а не вероятность правого хвоста распределения XПравильный ответ. Хвостовая вероятность выражается через
CDF как P(X > t) = 1 - F(t).Разбор
По определению F(t) = P(X <= t), то есть это вся вероятность слева от порога. Тогда вероятность справа — это дополнение до единицы: P(X > t) = 1 - F(t). На практике это используют, например, для доли запросов медленнее порога или времени ожидания дольше соглашения об уровне обслуживания. Для дискретной величины формула тоже применима, но нужно помнить, что P(X = t) может быть ненулевой. Подменять CDF плотностью или подстановкой 1 - t нельзя.
Проверь себя · 1/3разбор после ответа
Аналитик хочет посчитать
P(X <= 10) для случайной величины X. Какая формула определяет функцию CDF F(x), которая даёт нужное значение напрямую?Ещё вопросы по теме «Случайные величины: основы»
- В эксперименте с монетой исходы: орёл или решка. Определим случайную величину `X`: `X=1` для орла и `X=0` для решки. Что в общем случае означает случайная величина?
- Пусть случайная величина X — число очков, выпавших при броске честного кубика. Какой это тип случайной величины?
- Что описывает `PMF` (функция вероятностей) для дискретной случайной величины X?
- Что наиболее точно описывает `PDF` для непрерывной случайной величины X (например, время ожидания)?
- Почему для непрерывной случайной величины X верно `P(X=a)=0`, даже если значение a кажется вполне возможным?
- Все вопросы по «Случайные величины: основы» →