Законы - распределение - случайная величина
Cтраница 2
Теоретические кривые распределения изображают вполне определенные законы распределения случайных величин, заданных некоторыми уравнениями. Эти кривые используются для приближенного выражения действительных законов распределения. [16]
Биномиальный, полиномиальный и гипергеометрический законы распределения случайной величины. Равномерный, нормальный, логарифмически-нормальный, геометрический, отрицательный биномиальный, экспоненциальный законы распределения. Некоторые распределения, связанные с нормальным. [17]
В этой главе мы рассмотрим наиболее употребительные законы распределения случайных величин, а также основные параметры этих законов. Будут даны методы поиска функции распределения вероятности случайной величины в случае неинтегрируемой плотности вероятности, а также алгоритмы получения последовательностей случайных величин с произвольным законом распределения, что необходимо при моделировании случайных процессов. Особое внимание будет уделено обобщенному экспоненциальному распределению, которое наиболее пригодно при изучении ценообразования активов. [18]
Исходными данными для решения задачи служат законы распределения случайных величин, представляющих время жизни и время восстановления элемента, а также состояние элемента ( исправен или неисправен) в начальный момент. Реализация процесса состоит в последовательном определении моментов времени, в которые элемент переходит из одного состояния в другое. Моменты находятся по методу Монте-Карло в соответствии с заданными законами распределения. [19]
Закон распределения функции случайных величин определяется через законы распределения случайных величин. [20]
В рассмотренных выше примерах предполагалось, что законы распределения случайных величин х, и у: остаются неизменными во времени. В действительности с увеличением t значения Xi и yt уменьшаются. Одним из агрессивных факторов внешнего воздействия на изделие является влажность среды. [21]
Далее приводятся наиболее часто применяемые на практике законы распределения случайных величин и соответствующие теоретические показатели надежности. [22]
Из общей интегральной формулы (1.3), задавая конкретные законы распределения случайных величин, можно получить конкретные аналитические зависимости вероятности Р с от временных характеристик рассматриваемых процессов. [23]
 |
Блок-схема алгоритма расчета показателей надежности. [24] |
В результате расчетов по модулю ЕР 502.1 формируются априорные законы распределений случайных величин. Вид и параметры этих законов записываются на магнитный носитель и хранятся до момента их применения. [25]
Показатели можно вычислить только с помощью моделирования, но законы распределения исходных случайных величин получены в результате теоретических исследований на основе априорных данных или же частично с помощью натурного эксперимента. Здесь также основную роль играет точность начального математического описания системы. Но, поскольку исходные данные недостоверны, оценка допущений и ограничений для этих задач является значительно более сложной. [26]
Более того, известный аппарат математической статистики вообще не позволяет устанавливать законы распределения случайных величин. [27]
Таким образом, полная обработка данных наблюдений возможна, если известны законы распределения случайных величин и нормированные коэффициенты типа t ( a, k) для суммарных композиций различных распределений. Теория математической статистики не дает законченных рекомендаций для большинства возникающих в измерительной практике конкретных ситуаций. Поэтому с целью обеспечения единства методов обработки опытных данных, обеспечивающих сравнимость и возможность обобщения результатов измерений физических величин, необходимо выбрать соответствующий математический аппарат. [28]
На рис. 3.10 приведены сглаженные гистограммы, которые можно рассматривать как законы распределения соответствующих случайных величин. Они позволяют решить сформулированную задачу о пробое подвески. [29]
При проведении статистических исследований часто заменяют опытные кривые распределения некоторыми теоретическими кривыми ( математическими кривыми распределения), изображающими вполне определенные законы распределения случайных величин, задаваемые уравнениями. [30]
Страницы: 1 2 3 4