Cтраница 1
Распределение данных по приведенным группам производится на основе учета требований к точности и скорости их обмена. [1]
Распределение данных между машинными массивами и внутри них предполагает распознавание единиц информации любого объема ( от массива до элементарной единицы) и правильную их интерпретацию. [2]
Распределение данных малыми порциями по разным дискам создает условия для увеличения пропускной способности операций чтения и записи, а также размазывает данные по дискам, что исключает частые обращения к одному диску, могущие привести к его преждевременному выходу из строя. [3]
Распределение данных позволяет по-другому смотреть на применение унификатора после замены вызова. С точки зрения текущего целевого утверждения шаг вычислений передает данные из процедуры через активированный вызов всем латентным вызовам. [4]
Распределение данных по регистрам легко контролируется программистом и не вызывает особых затруднений при ссылке на них. [5]
Способ распределения данных в сети ЭВМ, при котором в каждом из узлов хранится часть общей базы данных. [6]
Способ распределения данных в сети ЭВМ, при котором в различных узлах сети имеются идентичные копии данных. [7]
Директивы распределения данных составляют основу HPF. Важным моментом распределения является описание псевдомассива процессоров, по которым данные предстоит распределить. Этот псевдомассив является программным представлением набора используемых процессоров, которое, вообще говоря, не связано с реальным числом процессоров компьютера и их аппаратной организацией. Программный псевдомассив процессоров, главным образом, задает ранг решетки процессоров, по которым предстоит распределять данные. Число процессоров тоже может быть задано, но такое ограничение редко бывает оправдано - программа создается в расчете на произвольное число процессоров, определяемых во время исполнения. Дело в том, что распределение массивов выполняется, кроме случаев исключения измерения, только по массиву процессоров того же ранга. Таким образом, в одной и той же программе могут понадобиться несколько массивов процессоров одного размера, но различной формы. По умолчанию на этапе исполнения всегда доступен одномерный массив процессоров, число элементов которого равно числу физических процессоров используемой вычислительной системы. [8]
Нормальность распределения данных вектор-столбца у проверена в гл. [9]
Нормальность распределения данных вектора-столбца у проверена в гл. Таким образом, наблюдения роста и веса двадцатилетних мужчин являются двумерной нормально распределенной величиной и имеет место второй тип регрессии, при котором может быть исследована прямая у / ( х) и обратная х / ( /) регрессии и выполнен корреляционный анализ. [10]
Нормальность распределения данных вектор-столбца у проверена в гл. [11]
При распределении данных с использованием стратегии дублирования в каждом узле сети размещается полная копия базы данных. Основное преимущество этой стратегии относится к области надежности и эффективности выборки, что требует, однако, значительных затрат памяти. Кроме того, с целью согласования множественных копий базы данных необходимо поддерживать их изменения. [12]
Смешанная стратегия распределения данных объединяет подходы, связанные с расчленением и дублированием данных, и приобретает как все их преимущества, так и недостатки. При этом подходе любая часть БД может быть дублирована произвольное число раз и в каждом узле может содержаться желаемая часть БД. Недостатком подхода является сложность обработки и оптимизации запросов. [13]
Информации о наследовании распределения данных может передаваться в подпрограмму в другой, так называемой транскриптивной форме. [14]
На рис. 7.3 а распределение данных соответствует сильной, или тесной корреляции, на рис. 7.3, б-слабой, на рис. 7.3, в корреляция отсутствует, а на рис. 7.3, г коэффициент корреляции не характеризует силу связи. [15]