Моделирование непрерывных случайных величин

На видео рассказано про моделирование значение непрерывной случайной величины. Расмотрены и подробно описаны метод обратной функции и мажорирующей функции. Отдельно рассказано про генерацию случайной величины, распределенной по нормальному (Гауса) закону распределения. Во второй половине видео приводится код на языке Python для реализации представленных методов в виде объектов, реализующих паттерн "Итератор"
📈 Функция распределения не уменьшается, что означает, что с каждым последующим значением вероятность затопления всегда будет увеличиваться или не изменяться.
🔄 Математическая идея состоит в том, чтобы сгенерировать само X, которое может быть очень большим или очень маленьким, с разными вероятностями.
🔢 Путем сложения 20 случайных чисел и деления суммы на 10 можно получить нормальный закон с определенными параметрами, позволяющий моделировать непрерывно случайные величины.
🔲 Чем меньше площадь прямоугольника, тем эффективнее будет работать метод определения вероятности.
🔄 Изменение параметров функции может привести к равномерному распределению случайных чисел в пределах заданного интервала.
📊 Зависимость между значением лямбда-функции и числами, полученными на основе закона неволи, обратно пропорциональна, что приводит к интересным наблюдениям о распределении случайных величин.

[@pososi42069]

СПАСИБО!!!!!!!