Реши
Поехали по порядку.
- Значит, нам нужно рассчитать параметр \( c \) и коэффициент корреляции для случайных величин. Скорее всего, \( c \) связано с нормировкой функции распределения, чтобы её интеграл по заданному интервалу был равен 1. Рассчитываем интеграл от \( c^2(1 - x^2) \) на интервале [0;1] и приравниваем его к 1, чтобы найти \( c \).
Для коэффициента корреляции нам понадобится найти матожидания \( E(\xi_1) \), \( E(\xi_2) \), \( E(\xi_1^2) \), \( E(\xi_2^2) \), \( E(\xi_1\xi_2) \) и использовать стандартную формулу \( \rho = \frac{E(\xi_1\xi_2) - E(\xi_1)E(\xi_2)}{\sqrt{D(\xi_1)D(\xi_2)}} \), где \( D(\xi) \) - дисперсия случайной величины \( \xi \).
Вторая задача требует найти параметры \( \xi_1 \) и \( \xi_2 \), зная \( \eta = \xi_1 + \xi_2 \). Для этого нам надо использовать свойства матожидания и дисперсии суммы случайных величин.
Теперь функция распределения \( F_\eta(x) \) полностью описана. Чтобы определить тип распределения, можно сравнить эту функцию с известными типами распределений - равномерное, нормальное, экспоненциальное и так далее. По виду функции можно сделать выводы о её типе.
Четвёртая задача касается выбора изготовленных деталей. Тут предстоит работа с нормальным распределением. Нужно применить правило трёх сигм, чтобы найти интервалы, в которых вероятность попадания массы детали составляет 0,95.
Последняя задача связана с условными вероятностями событий. Используем теорему Байеса и свойства условных вероятностей, чтобы найти \( P(B) \) и \( P(A|B) \). Для независимости событий достаточно проверить, выполняется ли равенство \( P(A \cap B) = P(A)P(B) \).
Я приложил все усилия чтобы объяснить тебе, как решать данные типы задач. Если у тебя есть конкретные вопросы или нужна помощь с вычислениями - говори, помогу!
