В эксперименте с монетой определили random variable Y: Y=1, если выпал орёл, иначе 0. Почему такая конструкция удобна?
AПотому что делает
P(Y=1) равной 1 всегда.BПотому что переводит монету в непрерывную модель и позволяет использовать
PDF.CПотому что превращает исходы в числовую
random variable, и тогда можно задавать PMF, считать P(Y=1) и сравнивать средние.DПотому что убирает случайность и делает результат детерминированным.
Правильный ответ. Индикаторная
random variable переводит исходы в числа и позволяет напрямую задавать PMF и вероятности.Разбор
Когда исходы нечисловые, их неудобно агрегировать и сравнивать, но индикатор делает это возможным. Для Y можно явно задать PMF и работать с вероятностями вроде P(Y=1). В аналитике такой приём описывает события типа покупка/не покупка и помогает связывать их с частотой и средним. Это не делает процесс непрерывным и не требует PDF.
Проверь себя · 1/3разбор после ответа
Почему для непрерывной
random variable X верно P(X=a)=0, даже если значение a кажется возможным?Ещё вопросы по теме «Случайные величины: основы»
- В эксперименте с монетой исходы: орёл или решка. Определим `random variable` `X`: `X=1` для орла и `X=0` для решки. Что в общем случае означает `random variable`?
- Пусть `random variable` X — число выпавших очков при броске честного кубика. Какой это тип `random variable`?
- Что описывает `PMF` для дискретной `random variable` X?
- Что наиболее точно описывает `PDF` для непрерывной `random variable` X (например, время ожидания)?
- Почему для непрерывной `random variable` X верно `P(X=a)=0`, даже если значение a кажется возможным?
- Все вопросы по «Случайные величины: основы» →