Построение - вероятностная модель
Cтраница 2
Совместное изучение нескольких опытов осуществляется в теории вероятностей путем построения единой вероятностной модели, включающей все эти опыты. N с равномерным распределением на нем. Отдельные опыты могут быть представлены в этой модели ел. Поставим вопрос о выделении того свойства модели ( Qn, р ( ю)) или последовательности ел. [16]
В тех случаях, когда условия проекта все-таки позволяют использовать вероятностные методы возникает задача построения соответствующих вероятностных моделей для описания неопределенности каждого параметра. В [8.8] рассмотрены некоторые элементы вероятностных моделей, которые применяются на практике. [17]
Rm)) играет значительную роль в теории вероятностей, поскольку оно служит основой построения вероятностных моделей экспериментов с бесконечным числом шагов. [18]
Многомерное гауссовское распределение описывается небольшим числом параметров, что является несомненным его достоинством при построении простых вероятностных моделей. Гауссовские случайные величины имеют конечный второй момент, и, следовательно, их свойства могут изучаться методами гильбертова пространства. [19]
Так как вероятностное моделирование конструкций АС проводят до изготовления макетов или опытных образцов, то при построении вероятностных моделей используют такие теоретические распределения случайных величин, которые хорошо согласуются с практикой. Рассмотрим несколько широко распространенных теоретических распределений и их числовые характеристики. [20]
& ( R 0)) играет значительную роль в теории вероятностей, поскольку оно служит основой построения вероятностных моделей экспериментов с бесконечным числом шагов. [21]
Статистическая теория во многом основана на теории вероятностей, хотя здесь есть и обратная связь: при построении вероятностной модели также исполь - зуются данные статистики. Когда эти данные собраны, мы можем использовать статистическую теорию для того, чтобы сделать выбор между альтернативными математическими моделями. [22]
Данная статья посвящена вопросу определения аналитических зависимостей для нахождения среднего времени до разрушения при различных режимах нагружения путем построения вероятностной модели процесса разрушения твердых тел на основе современных физических представлений о дефектах твердого тела и элементарных актах процесса разрушения. [23]
Статистическое моделирование надежности ХТС включает три составные этапа: моделирование случайных событий или случайных величин с заданными законами распределения; построение вероятностных моделей процессов функционирования реальных систем и статистическую оценку результатов моделирования. [24]
Измеримое пространство ( R x, о OR03)) играет значительную роль в теории вероятностей, поскольку оно служит основой построения вероятностных моделей экспериментов с бесконечным числом шагов. [25]
Научные работы, выполненные и опубликованные И. А. Мизиным в 60 - х годах, были связаны с исследованием и разработкой методов повышения достоверности передачи цифровой информации по каналам связи различной физической природы ( телефонным, телеграфным, радиоканалам), методов помехоустойчивого кодирования с коррекцией ошибок и с построением вероятностных моделей дискретного канала связи с зависимыми искажениями. [26]
Сущность метода Монте-Карло состоит в построении вероятностного аналога исследуемой задачи, реализации ее случайным образом и рассмотрения полученных результатов в качестве приближенного решения задачи. Построение вероятностной модели не всегда удается, однако задачи надежности вполне естественно аппроксимируются случайными процессами, исследование которых статистическими методами дает наибольший эффект. [27]
 |
Модели роста трещин и формирования плотностей распределения размеров дефектов и ресурса. [28] |
На макроуровне выделяются такие факторы, как неоднородность напряженно-деформированного состояния элементов конструкций, неопределенность формы, размеров и ориентации трещин, рассеяние значений характеристик циклической трещиностойкости материалов. Построение вероятностных моделей кинетики трещин, отражающих оба уровня процесса, крайне сложно. Поэтому основное внимание уделяется вероятностным моделям, оперирующим факторами макроуровня. [29]
Очевидно, что описанный эксперимент не удовлетворяет требованию воспроизводимости при неизменном комплексе условий, поскольку условия проведения матча меняются от игры к игре. Поэтому построение вероятностной модели футбольного матча возможно лишь при определенной идеализации реальных условий. Предположим, что такая модель существует. Спрашивается, что представляет собой результат ( элементарный исход) данного эксперимента. Ответ зависит от того, какой круг событий мы собираемся наблюдать ( регистрировать) в данном опыте. События, перечисленные в условии задачи, определяют круг интересов обычного болельщика за ту или иную команду. [30]
Страницы: 1 2 3