Многомерный закон

Cтраница 1

Многомерный закон является весьма полной ( иногда исчерпывающей) характеристикой случайного процесса, однако его определение и практическое использование встречается с большими вычислительными трудностями. [1]

Использование многомерных законов распределения встречает на практике значительные трудности. Поэтому при решении практических задач часто приходится ограничиваться менее полными характеристиками, в качестве которых обычно используются начальные и центральные моменты случайной функции. [2]

Однако пользование многомерными законами распределения как функциями многих аргументов неудобно ( даже при трех-четырех аргументах), и практически применяют числовые характеристики случайных функций. [3]

Вектор помехи определяется многомерным законом распределения W ( Ei, Е2, , У, где п - объем выборки. [4]

Следует заметить, что многомерный закон является весьма полной ( иногда исчерпывающей) характеристикой случайного процесса, однако-при его определении и практическом использовании требуются большие вычисления. В практике наиболее типичен случай, когда значения контролируемых параметров образуют ряд независимых величин. [5]

Ее полной статистической характеристикой является многомерный закон совместного распределения всех т случайных функций - компонентов этой случайной вектор-функции. [6]

Кп, t) представляет собой многомерный закон распределения плотности вероятностей интенсивностей внешних воздействий в предполагаемых условиях эксплуатации. [7]

Полная характеристика случайного процесса дается его многомерным законом распределения. [8]

В общем случае одномерные законы распределения не определяют многомерного закона. [9]

Однако в отличие от одномерного случая исчерпывающей формой задания многомерного закона распределения является только функция плотности вероятности. [10]

Для экспериментальных исследований случайных процессов во многих случаях целесообразно использовать числовые характеристики многомерных законов распределения. Такими характеристиками, широко используемыми в теории вероятностей, являются первый - начальный и второй - центральный моменты, а также корреляционная функция случайного процесса. Моменты более высокого порядка исследуются относительно редко. [11]

Функции - распределений J 2 для. [12]

Предположим, что существует оценка t параметров в и эта оценка распределена по нормальному многомерному закону со средним О и матрицей вторых моментов. [13]

Наиболее полно С ( т, Q) можно было бы охарактеризовать при помощи многомерного закона распределения однако найти этот закон удается далеко не во всех случаях. [14]

Недостатки второго класса методов очевидны: большие ( часто непреодолимые) вычислительные трудности и весьма сложные исходные данные в виде многомерных законов распределения, получение которых проблематично. Использование одномерных плотностей распределения вместо многомерных может существенно исказить расчет надежности. [15]

Страницы: 1 2