Cтраница 1
Закон распределения вероятностей для состояний объединенной подсистемы может быть найден и другим путем. При слабом взаимодействии подсистемы I и II являются квазинезависимыми. [1]
Закон распределения вероятностей для величины е во всех конкретных расчетах будет приниматься гаус-совским, что хорошо согласуется с экспериментальными данными. [2]
Закон распределения вероятностей с плотностью ( 5; называется показательным; он встречается во многих задачах теории массового обслуживания. [3]
Закон распределения вероятностей для событий конечной длительностью Т0 отличен от закона Пуассона. [4]
Закон распределения вероятностей, который 1можно применить в этом анализе, а наш взгляд, зависит от соотношения между величинами X и / плгг - Если выполняется ( 15), попадание сбоя в ту или иную PC или ее части незакономерно и вероятности / ( ATj) равны. Если - Х близко к тдтг, можно принять, что перед началом PC, в предыдущей серии, быс сбой. Время между сбоями в восстанавливаемых системах часто распределено по экспоненциальному закону. [5]
Закон распределения вероятностей, одинаковый для точек А и At, на отрезке LM симметричен по отношению к середине О отрезка. [6]
Закон распределения вероятностей расстояний между изолированными проводниками в пазу определен экспериментально, а расчет вероятности плотного касания выполнен с помощью методов теории массового обслуживания. [7]
Закон распределения вероятностей интервалов времени в между двумя последовательными событиями, подчиняющимися закону Пуассона, также имеет большое значение. [8]
Закон распределения вероятностей многомерной случайной величины называют многомерным или совместным. [9]
Закон распределения вероятности непрерывной случайной величины выразить в виде таблицы невозможно. [10]
Закон распределения вероятностей непрерывных случайных величин нельзя представить в виде таблицы, так как число значений таких случайных величин бесконечно даже в ограниченном интервале. Кроме того, вероятность получить какое-либо определенное значение равна нулю. На первый взгляд это парадоксально. Если задана непрерывная случайная величина в некотором ограниченном интервале, а вероятность любого значения ее в этом интервале равна нулю, то вообще такая величина как будто бы не может иметь никакого значения во всем данном интервале. Ведь вероятность, равная нулю, является вероятностью невозможного события. Однако парадокса здесь нет, и если говорить точнее, то вероятность того, что какая-либо непрерывная случайная величина имеет какое-то определенное значение, бесконечна мала. [11]
Закон распределения вероятностей непрерывных случайных величин нельзя представить в виде таблицы, так как число значений таких случайных величин бесконечно даже в ограниченном интервале. Кроме того, вероятность получить какое-либо определенное значение равно нулю. На первый взгляд это парадоксально. Если задана непрерывная случайная величина в некотором ограниченном интервале, а вероятность любого значения ее в этом интервале равна нулю, то вообще такая величина как будто бы не может иметь никакого значения во всем данном интервале. Ведь вероятность, равная нулю, является вероятностью невозможного события. Однако парадокса здесь нет, и если говорить точнее, то вероятность того, что какая-либо непрерывная случайная величина имеет какое-то определенное значение, бесконечно мала. [12]
Закон распределения вероятностей непрерывных случайных величин может быть определен заданием не функции распределения, а плотности распределения вероятностей. [13]
Закон распределения вероятностей возможных будущих значений ущерба можно получить только на основе надежных массовых обобщений применительно к конкретным потребителям, опыта прошлого и обоснованной его экстраполяции на будущее. Замена отсутствующих точных данных отдельными случайными значениями ущерба неизбежно даст только случайные результаты реализации методов обеспечения безаварийной работы. [14]
Закон распределения вероятности суммы независимых результатов измерений называется композицией законов распределения вероятности слагаемых. Для определения композиции различных законов распределения вероятности результатов измерений широко используется метод характеристических функций. [15]