Коррелированная случайная величина

Cтраница 1

Коррелированные случайные величины моделируют путем преобразования их в независимые. Для этого зависимую величину преобразуют в линейную комбинацию независимых случайных величин, каждая из которых распределена по тому же закону, что и зависимая случайная с математическим ожиданием, равным нулю. [1]

Графическое представление двух случайных величин. [2]

Коррелированные случайные величины статистически зависимы. [3]

Но элементы вектора U некоррелированы, поэтому если требуется выработка значений коррелированных случайных величин xt, то вводятся промежуточный вектор коррелированных нормальных величин Z и матрица А преобразования U в Z. Тогда алгоритм задания случайных значений параметрам Xi сначала вырабатывает п случайных значений uih, затем преобразует их в вектор ZftAU / j и далее значения этого вектора - в искомые значения хщ коррелированных параметров элементов. [4]

Предположим что параметры прочности ( долговечность при работе на г-м режи-ме) NVi являются коррелированными случайными величинами. [5]

Одна из трудностей теории распознавания образов заключается в том, что мы имеем дело с большим числом коррелированных случайных величин. Это вынуждает нас использовать аппарат линейной алгебры. В связи с этим в главе 2 рассмотрен ряд вопросов линейной алгебры, а также свойств случайных величин и векторов. На протяжении всей книги основной упор делается на описание задач и методов их решения в терминах собственных значений и собственных векторов. [6]

Существуют методы генерации случайных переменных, основанные на непосредственном использовании многомерного нормального распределения некоторых других совместных распределений вероятностей - а также на использовании последовательно коррелированных случайных величин. Изложение упомянутых методов в данной книге не представляется возможным. [7]

В общем случае оценки параметров являются коррелированными случайными величинами и характеризуются многомерным законом распределения. Построение доверительной области для многомерного закона распределения представляет достаточно сложную задачу. Для упрощения этой задачи целесообразно свести многомерный случай к одномерному. [8]

Замена случайных функций их приближенными представлениями приводит к некоторой погрешности в окончательных результатах, на что всегда следует обращать особое внимание. В уравнении (3.1) случайные величины могут быть коррелированными. В этом случае необходимо перейти от системы коррелированных случайных величин к системе некоррелированных нормированных случайных величин при помощи известных линейных преобразований. [9]

Относительные частоты изготовленных станками нестандартных деталей различаются значимо. Нулевая гипотеза отвергается; X и V - коррелированные случайные величины. [10]

Гипотеза об однородности дисперсий принимается. Гипотеза об однородности дисперсий отвергается. Относительные частоты изготовленных станками нестандартных деталей различаются значимо. Нулевая гипотеза отвергается; X и К - коррелированные случайные величины. [11]

Гипотеза об однородности дисперсий принимается. Гипотеза об однородности дисперсий отвергается. Относительные частоты изготовленных станками нестандартных деталей различаются значимо. Нулевая гипотеза отвергается; X и Y - коррелированные случайные величины. Кр ( 0.01; 98) 2.64. Нулевая гипотеза отвергается: X и У коррелированы. [12]

Страницы: 1