Распределение - событие
Cтраница 1
Распределения событий во время рабочей части периода запоминаются либо в аналоговом виде, либо в-дискретном. Например, если финишные импульсы оставляют след на экране электронно-лучевой трубки, то-при непрерывном линейном перемещении луча интервалы между импульсами будут преобразовываться в линейные недискретные отрезки. Если же луч трубки перемещается ступенчатым образом, то интервалы между метками о поступлении финишных сигналов кратны длине ступени перемещения. [1]
 |
Анализатор распределения событий. [2] |
Типичным случаем использования анализатора распределения событий является получение распределения времени установки головок для отдельного устройства. Если, например, минимальное время установки составляет 0 мс, а максимальное время - 120 мс, идеальным шагом перехода для анализатора был бы шаг в 12 мс. Однако этот конкретный шаг может оказаться недоступным для аппаратного монитора. Более типичным является шаг, равный 10 или 20 мс. При 10-мс шаге все времена установки головок, превосходящие 100 мс, были бы отнесены к последней ступени. Для всех времен, меньших, чем 100 мс, было бы получено достаточно хорошее распределение. [3]
Распределение Пуассона называют еще распределением редких событий. Ему подчиняются случайные величины, вероятность появления которых в отдельном испытании мала и постоянна. [4]
Биномиальный закон в равной степени описывает распределение событий как в серии последовательных испытаний, так и при одновременном наблюдении над совокупностью я объектов. В последнем случае обычно исследуется распределение событий, наблюдаемых в течение промежутков времени. [5]
Мощной функцией аппаратного монитора является анализ распределения событий. Эта возможность предназначается главным образом для распределения событий по их продолжительности. [6]
На рис. 8.15 представлена общая схема анализатора распределения событий. В данном случае у анализатора имеется одиннадцать возможных выходов. Для управления выходом анализатора используются два сигнала. [7]
Известно, что закон нормального распределения характерен для распределения событий в случае, когда их исход представляет собой результат совместного воздействия большого количества независимых факторов и ни один из этих факторов не оказывает преобладающего влияния. [8]
Однако при этом не получается достаточного представления о характере кривой распределения зарегистрированных событий. Поэтому желательно, не искажая имеющейся дискретной информации, хранящейся в элементах памяти, иметь возможность в случае необходимости наблюдать каким-либо образом автоматически вычерченную гистограмму или огибающую гистограммы спектра распределения. Чтобы наблюдать форму гистограммы на любом этапе снятия спектра, требуется довольно быстродействующая система преобразования дискретной информации в линейную и вычерчивания кривой распределения. [9]
Конечно, при данном разбиении существует много гипотез, которые предсказывают полученное на опыте распределение событий. Поскольку для проверки нулевой гипотезы используется только это распределение, критерий, собственно говоря, проверяет не только Я0, но и целый класс гипотез, неотличимых друг от друга при данном разбиении. [10]
Во втором случае при оценке Э используется вся доступная информация ( следовательно, этот метод лучше), а при построении Т используется распределение событий в гистограмме. [11]
Для реализации этого метода на ЦВМ моделируется поток событий, описывающий моменты их наступления в соответствии с выбранными ( или заданными) законами распределения событий для всех элементов исследуемой схемы электрических соединений. [12]
Это вполне аналогично хорошо известному положению теории вероятностей ( знаменитой центральной предельной теореме), что результат длинной случайных событий нормально распределен от распределений отдельных событий в этой Следовательно, проведенное рассмотрение формулирует и простейший квантовый аналог центральной предельной теоремы. [13]
В экспериментальных исследованиях подчас складывается ситуация, когда числа наблюдаемых событий невелики. Распределение редких событий существенно отличается от нормального. [14]
Биномиальный закон в равной степени описывает распределение событий как в серии последовательных испытаний, так и при одновременном наблюдении над совокупностью я объектов. В последнем случае обычно исследуется распределение событий, наблюдаемых в течение промежутков времени. [15]
Страницы: 1 2 3