Что такое.NET Framework? Позитив платформы Майкрософт.Нет Фреймворк.
ЧЕБЫШЕВА НЕРАВЕНСТВО
Бьенеме - Чебышева,- неравенство теории вероятностей, дающее оценку вероятности отклонений значений случайной величины от ее математич. ожидания через ее дисперсию. Пусть - нек-рая с конечными математич. ожиданием и дисперсией Ч. н. состоит в том, что для любого вероятность события
Не превосходит или
Это неравенство было независимым образом открыто И. Бьенеме (I. Bienayme, 1853) и П. Л. Чебышевым (1866). В современной литературе это неравенство чаще наз. Ч. н., возможно, и потому, что С именем П. Л. Чебышева связано использование его при доказательстве обобщения больших чисел закона (теоремы Чебышева). Ч. н. является представителем целого класса однотипных неравенств, простейшее из к-рых утверждает, что для неотрицательной случайной величины Xс конечным математич. ожиданием
(иногда наз. неравенством Маркова). Из этого неравенства вытекают неравенства для произвольных случайных величин, зависящие от моментов:
(при r=
2 и само Ч. н.), а также более общее неравенство
Для неотрицательной четной неубывающей при положительных значениях хфункции f(x). Неравенство (3) указывает получения новых неравенств того же типа, напр. экспоненциального неравенства:
Сложилась традиция относить все эти неравенства к чебышевскому типу и даже наз. Ч. н. Существует общий принцип получения Ч. н. при определенных условиях на моменты, основанный на использовании системы многочленов Чебышева (см. ). Для произвольных случайных величин Ч. н. дают точные, неулучшаемые оценки, однако в нек-рых конкретных ситуациях эти оценки можно уточнить. Напр., если Xимеет с модой совпадающей с математич. ожиданием, то справедливо неравенство Гаусса:
где
Значение Ч. п. в теории вероятностен определяется в конечном счете не его точностью, а простотой и универсальностью. Большую роль Ч. н. и ого видоизменения сыграли применительно к суммам случайных величин при доказательстве различных форм закона больших чисел и закона повторного логарифма. Ч. н. для сумм независимых случайных величия было подвергнуто обобщению и уточнению в двух главных направлениях. Первое из них связано с переходом от Ч. н.
К значительно более сильному неравенству
К-рое было доказано А. II. Колмогоровым и использовано им при доказательстве больших чисел усиленного закона
(см. Колмогорова неравенство
).
Второе посвящено замене степенной оценки в Ч. н. на экспоненциально убывающую и приводит к неравенствам Бернштейна- Колмогорова:
Где
(см. Берпштейна неравенство
).
Такие уточнения Ч. н. получаются при дополнительных условиях ограниченности слагаемых X i .
Получены многомерные аналоги нек-рых из указанных здесь неравенств (см. ).
Лит.
: Чебышев И. Л., лМатем. сб.
Математическая энциклопедия. - М.: Советская энциклопедия . И. М. Виноградов . 1977-1985 .
Смотреть что такое "ЧЕБЫШЕВА НЕРАВЕНСТВО" в других словарях:
Неравенство Чебышёва (теория вероятностей) Неравенство Чебышёва для сумм … Википедия
1) одно из основных неравенств для монотонных последовательностей или функций. В случае конечных последовательностей и оно имеет вид: а в интегральной форме ― вид: … … Большая советская энциклопедия
Для конечных монотонных последовательностей неравенство Ч … Математическая энциклопедия
В теории меры и теории вероятностей существует другое неравенство, носящее имя Чебышева см. Неравенство Чебышева. Неравенство Чебышева для сумм, носящее имя Пафнутия Львовича Чебышева, утверждает, что если и то … Википедия
Отношение, связывающее два числа и посредством одного из знаков: (меньше), (меньше или равно), (больше), (больше или равно), (неравно), то есть Иногда несколько Н. записываются вместе, напр. Н. обладают многими свойствами, общими с равенствами.… … Математическая энциклопедия
В теории вероятностей неравенство Хёфдинга даёт верхнюю границу вероятности того, что сумма величин отклоняется от своего математического ожидания. Неравенство Хёфдинга было доказано Василием Хёфдингом в 1963 году. Неравенство Хёфдинга… … Википедия
В теории вероятностей, неравенством Колмогорова называется так называемое «неравенство максимума», ограничивающее вероятность того, что частичная сумма конечной совокупности независимых случайных величин не превышает некоторого фиксированного… … Википедия
В теории меры и теории вероятностей существует другое неравенство, носящее имя Чебышёва см. Неравенство Чебышёва. Неравенство Чебышева для сумм, носящее имя Пафнутия Львовича Чебышёва, утверждает, что если и то … Википедия
В Википедии существует другое неравенство, носящее имя Чебышёва см. Неравенство Чебышёва для сумм. Неравенство Чебышёва, известное также как неравенство Биенэме Чебышева, это распространённое неравенство из теории меры и теории вероятностей. Оно… … Википедия
В Википедии существует другое неравенство, носящее имя Чебышева см. Неравенство Чебышева для сумм. Неравенство Чебышева, известное также как неравенство Биенэме Чебышева, это распространённое неравенство из теории меры и теории… … Википедия
Книги
- Теория вероятностей. Задачник. Учебное пособие для академического бакалавриата , Палий И.А.. Учебное пособие содержит задачи, охватывающие основные разделы базового курса теории вероятностей: комбинаторика, классические и геометрические вероятности, закон распределения и функция…
Теорема. Если СВ Х принимает только неотрицательные значения и имеет математическое ожидание, то для любого положительного числа А верно неравенство:
☺ Доказательство
проведем для дискретной СВ Х. Расположим
ее значения в порядке возрастания, из
которых часть значений
будут не более числа А, а другая часть
-
будут больше А, т.е.
Запишем выражение для математического ожидания М(Х): ,
где
- вероятности того, что СВ Х примет
значения соответственно
.
Отбрасывая первые
k неотрицательных слагаемых (напомним,
что все
),
получим:.
Заменяя в неравенстве
значения
меньшим числом А, получим более сильное
неравенство:или
.
Cумма вероятностей
в левой части полученного неравенства
представляет собой сумму вероятностей
событий
,
т.е. вероятность события Х>А. Поэтому
.☻
Т.к. события Х > А и Х ≤ А противоположные, то заменяя Р(Х > А) выражением 1 - Р(Х ≤ А), придем к другой форме неравенства Маркова:
.
Неравенство Маркова применимо к любым неотрицательным случайным величинам.
Пример . Среднее количество вызовов, поступающих на коммутатор завода в течение часа, равно 300. Оценить вероятность того, что в течение следующего часа число вызовов на коммутатор: а) превысит 400; б) будет не более 500.
Решение
.
а) По условию М(Х) = 300. По формуле
:
т.е. вероятность того, что число вызовов
превысит 400, будетне
более
0,75.
б) По формуле
:
т.е.
вероятность того, что число вызовов не
более 500, будетне
менее
0,4.
Неравенство Чебышева (с выводом) и его частные случаидля случайной величины, распределенной по биномиальному закону, и для частости события.
Теорема
.
Для любой случайной величины, имеющей
математическое ожидание и дисперсию,
справедливо неравенство Чебышева:
,
где а = М(Х), е > 0.
☺ Применим
неравенство Маркова в форме
к случайной величине
,
взяв в качестве положительного числа
.
Получим:
.
Т.к. неравенство
равносильно
неравенству
,
а
есть
дисперсия случайной величины Х, то из
неравенства получаем доказываемое
неравенство. ☻
Учитывая, что
события
и
противоположны, неравенство Чебышева
можно записать и в другой форме:
.
Неравенство Чебышева
применимо для любых случайных величин.
В форме
оно устанавливаетверхнюю
границу
,
а в форме
-нижнюю
границу
вероятности рассматриваемого события.
Запишем
неравенство Чебышева в форме
для некоторых случайных величин:
а) для СВ Х = m,
имеющей биноминальный закон распределения
с математическим ожиданием а = М(Х) = nр
и дисперсией D(X) = npq:
.
б) для частости
события в n независимых испытаниях, в
каждом из которых оно может произойти
с одной и той же вероятностью
и имеющей дисперсию
:
.
3амечание
.
Если М(Х) > А или
,
то правые части неравенств Маркова и
Чебышева в форме соответственно
и
будутотрицательными
а в форме
и
будутбольше
1
.
Это означает, что применение указанных неравенств в этих случаях приведет к тривиальному результату: вероятность события больше отрицательного числа либо меньше числа, превосходящего 1.
Теорема Чебышева (с доказательством), ее значение и следствие. Пример.
Теорема
.
Если дисперсии n независимых случайных
величин
ограничены одной и той же постоянной,
то при неограниченном увеличении числа
n средняя арифметическая случайных
величин сходится по вероятности к
средней арифметической их математических
ожиданий
,
т.е.
☺ По условию ,, где С - постоянное число.
Получим неравенство
Чебышева в форме
для средней арифметической случайных
величин, т.е. для
.
Найдем математическое ожидание М(Х) и оценку дисперсии D(Х):
(Здесь использованы
свойства математического ожидания и
дисперсии и, в частности, то, что случайные
величины
независимы, а следовательно, дисперсия
их суммы равна сумме дисперсий.)
Запишем неравенство
для случайной величины
:
Т.к. по доказанному
,
то
,
Следовательно .
в пределе при n →
∞ величина
стремится к нулю, и получим доказываемую
формулу. ☻
Подчеркнем смысл теоремы Чебышева. При большом числе n случайных величин практически достоверно, что их средняя величина случайная, как угодно мало отличается от неслучайной величины, т.е. практически перестает быть случайной.
Следствие
.
Если независимые случайные величины
имеют одинаковые математические
ожидания, равные а, а их дисперсии
ограничены одной и той же постоянной,
то:
,
Теорема Чебышева и ее следствие имеют большое практическое значение. Например, страховой компании необходимо установить размер страхового взноса, который должен уплачивать страхователь; при этом страховая компания обязуется выплатить при наступлении страхового случая определенную страховую сумму. Рассматривая частоту/убытки страхователя при наступлении страхового случая как величину случайную и обладая известной статистикой таких случаев, можно определить среднее число/средние убытки при наступлении страховых случаев, которое на основании теоремы Чебышева с большой степенью уверенности можно считать величиной почти не случайной. Тогда на основании этих данных и предполагаемой страховой суммы определяется размер страхового взноса. Без учета действия закона больших чисел (теоремы Чебышева) возможны существенные убытки страховой компании (при занижении размера страхового взноса), либо потеря привлекательности страховых услуг (при завышении размера взноса).
В данной статье рассматриваются предельные теоремы теории вероятностей, в частности неравенство Чебышева, закон больших чисел, которые устанавливают связь между теоретическими и экспериментальными характеристиками случайных величин при большом числе испытаний над ними. Материал статьи ориентирован на детальную проработку основной теоремы Чебышева. Ее доказательство базируется на весьма общей лемме, известной под названием неравенство Чебышева. Данное неравенство справедливо для дискретных и непрерывных случайных величин. Неравенство Чебышева имеет ограниченное значение, так как часто дает грубую и очевидную оценку. Сущность теоремы состоит в том, что отдельные случайные величины могут иметь значительный разброс, а их среднее арифметическое рассеяно мало. Теорема Чебышева представляет собой яркий пример, который подтверждает справедливость учения диалектического материализма о связи между случайностью и необходимостью.
теория вероятностей
случайные величины
предельные теоремы
закон больших чисел
неравенство Чебышева
теорема Чебышева
1. Бочаров П.П., Печинкин А.В. Теория вероятностей. Математическая статистика. – М.: Гардарика, 2009. – 328с.
2. Булдык Г.М. Теория вероятностей и математическая статистика. 2005. – 285с.
3. Гмурман В.Е. Теория вероятностей и математическая статистика: учебное пособие. – 12 издание – М.: Высшее образование, 2008. – 479с. – (Основы наук)
4. Письменный Д. Конспект лекций по теории вероятностей, математической статистике и случайным процессом/ Дмитрий Письменный. – 3-е издание – М.: Айрис-пресс, 2008. – 288с. – (Высшее образование)
Введение
Предельные теоремы условно делят на две группы. К первой группе теорем относится закон больших чисел, устанавливающий устойчивость средних значений: при большом числе испытаний их средний результат перестает быть случайным и может быть предсказан с точностью. Вторая группа теорем, которая называется центральной предельной теоремой, она устанавливает условия, благодаря которым закон распределения суммы большого числа случайных величин неограниченно приближается к нормальному.
В данной статье мы рассмотрим неравенство Чебышева, которое используется: а) для грубой оценки вероятностей событий, связанных со случайными величинами, распределение которых неизвестно; б) доказательства ряда теорем закона больших чисел.
Целью данной статьи является успешное изучение и практическое применение теоремы Чебышева и закона больших чисел для эффективной математической подготовки студентов экономических специальностей высших учебных заведений.
Неравенство Чебышева
Неравенство Чебышева справедливо для дискретных и непрерывных случайных величин.
Теорема 1. Если случайная величина Х имеет математическое ожидание М(Х)=а и дисперсию D(Х), то для любого ε>0 справедливо неравенство Чебышева.
P {|X-M(X)|}≥ε}≤ (1)
Докажем теорему (1) для непрерывной случайной величины Х с плотностью f(x).
Вероятность
- это вероятность попадания случайной
величины Х в область, лежащую вне промежутка .Можно записать
Так как область интегрирования можно записать в виде2 ≥ ε2,откуда следует. Имеем
так как интеграл неотрицательной функции при расширении области интегрирования может только увеличиться. Поэтому
Аналогично доказывается неравенство Чебышева и для дискретной случайной величины. Рассмотрим случайную величину Х с математическим ожиданием М(Х) и дисперсией D(X). Тогда теорема, приведенная ниже, является справедливой.
Теорема 2. Вероятность того, что величина Х отклоняется от своего математического ожидания М(Х) не меньше любого положительного числа ε ограничена сверху величиной , то есть
P {|X - M(X)|} <ε} ≥ 1- (2)
В форме (2) оно устанавливает нижнюю границу вероятности события, а в форме (1) - верхнюю.
Неравенство Чебышева справедливо для случайных величин Х= m, имеющей биноминальное распределение с математическим ожиданием М(Х) = а = np и дисперсией D(X) = npq. Данное неравенство принимает вид
P {| m - np | 
(3)
для частости события в n независимых испытаниях, в каждом из которых оно может произойти с вероятностью p=M()=a, дисперсия которых D()=, неравенство Чебышева имеет вид
P {| - p| 
(4)
Неравенство Чебышева имеет ограниченное значение, так как часто дает грубую и очевидную оценку. Например, если D(X) >ε2 и > 1, то 1-> 0; поэтому в данном случае неравенство Чебышева указывает на то, что вероятность отклонения неотрицательна, а это и без того тривиально,так как любая вероятность выражается неотрицательным числом. Это неравенство используется для вывода теоремы Чебышева.
Теорема Чебышева
Рассмотрим случайную величину Х, в которой закон распределения изменяется от эксперимента к эксперименту. Тогда будем иметь дело с несколькими (n) величинами.
Теорема 3. Если Х1, Х2, …, Xn независимые случайные величины с конечными математическими ожиданиями М(Хi), i=, и дисперсиями D(Хi), i=, ограниченными одним и тем же числом С, то есть D(Хi) < С, i=, то при возрастании n среднее арифметическое наблюдаемых значений величин Хi, i=, сходится по вероятности к среднему арифметическому их ожиданий, то есть для любого ε> 0
Рассмотрим величинуY=. Ее математическое ожиданиеM(Y) = , а дисперсияD(Y) = .
Применим к величине Y неравенство Чебышева, получим
P () 
Так как, то
Как бы ни было мало , переходя к пределу в формуле (6) при n, получим
что и требовалось доказать.
Таким образом, теорема Чебышева утверждает, что среднее арифметическое достаточно большого числа независимых случайных величин (дисперсии которых равномерно ограниченны) перестает быть случайной величиной. То есть оно является устойчивым и сходится по вероятности к определенной неслучайной величине, так как среднее арифметическое математических ожиданий - величина неслучайная.
Можно получить другую формулировку закона больших чисел, если в формуле (5) перейти к вероятности противоположного события
Для одинаково распределенных случайных величин Хi, i= существует частный случай теоремы Чебышева.
Теорема 4 (теорема Хинчина). Пусть Х1, Х2, … - независимые одинаково распределенные случайные величины, которые имеют конечные математические ожидания М(Хi) = m. Тогда последовательность {Yn}, где Yn, сходится m с вероятностью 1, то есть для любого ε>0
Закон больших распространяется на зависимые случайные величины.
Теорема 5 (теорема Маркова). Если для случайных величин Х1, Х2, …
= 0
то среднее арифметическое наблюдаемых значений случайных величин сходится по вероятности к среднему арифметическому их математических ожиданий:
для любого ε> 0
Сущность теоремы Чебышева состоит в том, что отдельные случайные величины могут иметь значительный разброс, а их среднее арифметическое рассеяно мало.
Отсюда следует, невозможно с уверенностью предсказать какое вероятное значение примет каждое из случайных величин, но можно предвидеть какое значение примет их среднее арифметическое.
Таким образом, среднее арифметическое достаточно большого числа независимых случайных величин утрачивает характер случайной величины. Это можно объяснить тем, что отклонение каждой их величин от своих математических ожиданий могут быть и положительными, и отрицательными, а в среднем арифметическом они взаимно погашаются.
Теорема Чебышева является справедливой не только для дискретных, но и для непрерывных величин; она представляет собой яркий пример, который подтверждает справедливость учения диалектического материализма о связи между случайностью и необходимостью.
Библиографическая ссылка
Минасова Н.Р., Макеева О.О. ПРЕДЕЛЬНЫЕ ТЕОРИИ ВЕРОЯТНОСТЕЙ. НЕРАВЕНСТВО ЧЕБЫШЕВА. ЗАКОН БОЛЬШИХ ЧИСЕЛ // Международный студенческий научный вестник. – 2014. – № 2.;URL: http://eduherald.ru/ru/article/view?id=11855 (дата обращения: 06.04.2019). Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
Сведения
- .NET Framework – всесторонняя и согласованная модель программирования Майкрософт для построения приложений, обладающих превосходным интерфейсом пользователя, прозрачными и безопасными средствами связи, а также возможностью создания разнообразных бизнес-процессов.
Платформа.NET Framework 4 работает вместе с своими предыдущими версиями. Приложения, основанные на предыдущих версиях.NET Framework, будут продолжать выполняться на платформе, для которой они предназначены по умолчанию.
Платформа Microsoft .NET Framework 4 содержит следующие новые возможности и усовершенствования.
- Усовершенствования в CLR (Common Language Runtime) и BCL (Base Class Library)
- Усовершенствованная производительность, включая улучшенную поддержку многоядерных компьютеров, фоновую сборку мусора и присоединение профилировщика на сервере.
- Новые типы сопоставленных в памяти файлов и новые числовые типы.
- Более легкая отладка, включая отладку дампа, минидампы Watson, отладку в смешанном режиме для 64-разрядных процессоров и контракты кода.
- Полный список расширений для CLR и BCL см. по .
- Новшества в языках Visual Basic и C#, например лямбда-операторы, неявные продолжения строк, динамическая диспетчеризация, а также именованные и необязательные параметры.
- Усовершенствования в доступе к данным и моделировании.
- Платформа Entity Framework позволяет разработчикам программировать операции с реляционными базами данных с помощью объектов.NET и Language Integrated Query (LINQ). В нее входят многие новые возможности, в том числе игнорирование сохраняемости и поддержка POCO, сопоставления внешних ключей, «неспешная» загрузка, поддержка разработки на основе тестирования, функции в модели и новые операторы LINQ. Дополнительные возможности включают поддержку многоуровневых приложений обработки данных с самоотслеживающимися сущностями, настраиваемую генерацию кода с помощью шаблонов T4, первую разработку модели, усовершенствованный интерфейс конструктора, улучшенную производительность и плюрализацию наборов сущностей. Дополнительные сведения см. по .
- Службы данных WCF – это компонент.NET Framework, позволяющий создавать службы и приложения, основанные на REST, которые используют протокол OData (Open Data Protocol) для предоставления и получения данных по Интернету. Службы данных WCF содержат много новых компонентов, включая расширенную поддержку BLOB, привязку данных, подсчет строк, настройку подачи, проекции и усовершенствования конвейера запросов. Встроенная интеграция с Microsoft Office 2010 позволяет теперь предоставлять данные Microsoft Office SharePoint Server в виде канала OData и осуществлять доступ к этому каналу с помощью клиентской библиотеки служб данных WCF. Дополнительные сведения см. по .
- Расширения в ASP.NET
- Дополнительные средства управления с помощью HTML, идентификаторы элементов и настраиваемые стили CSS, облегчающие создание веб-форм, совместимых со стандартами и оптимизированных для поисковых систем.
- Новые компоненты динамических данных, такие как новые фильтры запросов, шаблоны сущностей, богатая поддержка для Entity Framework 4, а также возможности проверки и создания шаблонов, которые легко применить к существующим веб-формам.
- Поддержка веб-форм для новых усовершенствований библиотеки AJAX, включая встроенную поддержку для сетей доставки содержимого (CDN).
- Полный список расширений для ASP.NET см. по этой ссылке .
- Усовершенствования в Windows Presentation Foundation (WPF)
- Добавлена поддержка для мультисенсорного ввода, элементов управления ленты и возможностей расширяемости панели задач Windows 7.
- Добавлена поддержка для пакета SDK Surface 2.0.
- Новые элементы управления для бизнес-приложений, такие как элемент управления для построения диаграмм, средство интеллектуального редактирования, сетка данных и другие, повышают производительность разработчиков, создающих приложения для обработки данных.
- Усовершенствования в производительности и масштабируемости.
- Усовершенствования в четкости визуального представления текста, привязке пикселей, локализации и взаимодействии.
- Полный список расширений для WPF см. по .
- Усовершенствования в Windows Workflow (WF), позволяющие разработчикам более эффективно сопровождать рабочие процессы. Включают улучшенную модель программирования действий, улучшенный интерфейс конструктора, новый стиль моделирования блок-схем, расширенную палитру действий, интеграция правил рабочих процессов, а также новые возможности корреляции сообщений. Платформа.NET Framework 4 обеспечивает также существенное улучшение производительности для рабочих процессов, основанных на WF. Полный список расширений для WF см. по .
- Усовершенствования в Windows Communication Foundation (WCF), такие как поддержка для служб рабочих процессов WCF, для создания рабочих процессов с поддержкой корреляции действий на основе сообщений. Кроме того, .NET Framework 4 предоставляет новые компоненты WCF, такие как обнаружение служб, служба маршрутизации, поддержка REST, диагностика и производительность. Полный список расширений для WCF см. по .
- Новейшие компоненты параллельного программирования, такие как поддержка параллельных циклов, библиотека TPL (Task Parallel Library), запросы PLINQ (Parallel LINQ), а также структуры данных координации, позволяющие разработчикам эффективно управлять возможностями многоядерных процессоров.
Поддерживаемая операционная система
Windows 7; Windows 7 Service Pack 1; Windows Server 2003 Service Pack 2; Windows Server 2008; Windows Server 2008 R2; Windows Server 2008 R2 SP1; Windows Vista Service Pack 1; Windows XP Service Pack 3
- Windows XP SP3
- Windows Server 2003 SP2
- Windows Vista SP1 или более поздняя версия
- Windows Server 2008 (не поддерживается в основной роли сервера)
- Windows 7
- Windows Server 2008 R2 (не поддерживается в основной роли сервера)
- Windows 7 SP1
- Windows Server 2008 R2 SP1
- Поддерживаемые архитектуры:
- ia64 (некоторые возможности не поддерживаются на ia64, например WPF)
- Аппаратные требования:
- Рекомендуемый минимум: процессор Pentium с тактовой частотой 1 ГГц или выше, 512 МБ оперативной памяти или больше
- Минимальное место на диске:
- x86 – 850 МБ
- x64 – 2 ГБ
- Предварительные требования:
- или более поздней версии
- или более поздней версии
- Важно! Убедитесь, что на компьютере установлен самый последний пакет обновления и важные исправления Windows. Для поиска обновлений безопасности посетите Центр обновления Windows . При установке на 64-разрядной XP или Windows 2003, возможно, придется установить Windows Imaging Component. 32-разрядную версию Windows Imaging Component можно получить по . 64-разрядную версию Windows Imaging Component можно получить по .
- Нажмите кнопку «Загрузить» на этой странице, чтобы начать загрузку.
- Чтобы немедленно начать установку, нажмите кнопку Выполнить .
- Чтобы сохранить загружаемые файлы на своем компьютере и установить их позже, нажмите кнопку Сохранить .
- Чтобы отменить установку, нажмите кнопку Отмена .
Для веб-разработчиков и администраторов
Для установки.NET Framework на веб-сервер или установки полной среды веб-разработки воспользуйтесь .
Дополнительные требования для установки сервераЕсли требуется выполнить установку сервера, в дополнение к основным компонентам на компьютере необходимо установить следующее программное обеспечение:
- Службы IIS 6.0 или более поздней версии. Для доступа к функциям ASP.NET необходимо перед установкой.NET Framework установить службы IIS с последними обновлениями безопасности. ASP.NET поддерживается только ОС Windows XP Professional, Windows Server 2003, Windows Server 2008 и Windows Server 2008 R2.
- (Рекомендуется) компоненты доступа к данным MDAC 2.8 или более поздней версии.
ПРИМЕЧАНИЕ: большинству пользователей не требуется выполнять установку сервера. Если нет уверенности, нужно ли выполнять установку сервера, выполните базовую установку.
Программа установки Windows Server 2008 R2 с пакетом обновления 1 (SP1) в варианте установки Server Core
Эта версия Microsoft .NET Framework 4 не поддерживает вариант установки Server Core ОС Windows Server 2008 и Windows Server 2008 R2. Чтобы получить версию Microsoft .NET Framework 4, поддерживающую вариант установки Server Core ОС Windows Server 2008 R2 с пакетом обновления 1 (SP1), перейдите по ссылке
dotNetFx40_Full_setup.exe
Дата публикации:
Требования к системе
Инструкции по установке
Дополнительные сведения
Загрузка...
