Нормальное распределение

Cтраница 4

Нормальное распределение нарушается, если аналитическая методика содержит доминирующие случайные величины, не подчиняющиеся нормальному распределению. Наличие неучтенного, постоянно действующего фактора приводит к смещению теоретического распределения относительно эмпирического. [46]

Нормальное распределение, вообще говоря, является распределением непрерывных величин. Однако в практической работе все результаты измерений, в том числе и результаты анализа, в той или иной степени дискретны во-первых, в силу того, что результаты измерений можно получать только кратными той наименьшей единице, которую показывает измерительный инструмент, во-вторых, в силу тех округлений, которыми всегда пользуются при вычислениях. [47]

Нормальное распределение играет основную роль в дальнейшем изложении. Поэтому изучим предварительно его свойства. [48]

Нормальное распределение с математическим ожиданием, равным нулю, и стандартом, равным единице, называется стандартным. [49]

Нормальное распределение, благодаря своей детальной изученности, наиболее удобно для практической работы. Теорема Ляпунова заставляет нас по-иному, чем раньше, взглянуть на то, какие факторы можно считать случайными ( не учитывать), если мы хотим получить нормальное распределение. А именно, к случайным желательно относить только те факторы, влияние которых в отдельности очень мало; исключение можно делать лишь для тех факторов, которые сами по себе ( из каких-либо других соображений) дают нормальное распределение результатов. [50]

Нормальное распределение является полностью заданным, если заданы моменты двух первых порядков. Тем самым для нормального входного сигнала поставленная задача сводится к просто решаемой задаче определения моментов. [51]

Нормальное распределение ( распределение по закону Гаусса) встречается в тех случаях, когда оно вызвано большим числом однородных по своему влиянию случайных факторов, причем влияние каждого из этих факторов, по сравнению с совокупностью всех остальных, незначительно. [52]

Нормальное распределение согласно центральной предельной теореме имеет сумма бесконечно большого числа бесконечно малых величин с любым законом распределения. На практике сумма сравнительно небольшого числа ( 4 - 5) статистически независимых величин одного порядка имеет распределение, близкое к нормальному. Если случайные погрешности определяются по результатам измерений, то погрешности в большинстве случаев имеют нормальное распределение. [53]

Нормальное распределение является одним из важнейших непрерывных распределений. Для выработки нормально распределенных случайных чисел разработано несколько методов. Все они базируются на использовании равномерно распределенных случайных чисел. [54]

Нормальное распределение ( закон Гаусса) играет исключительную роль в теории надежности. [55]

Характеристики нормального распределения. [56]

Нормальное распределение описывает модели постепенных и параметрических отказов. [57]

Нормальное распределение как одномерное, так и многомерное применяется к статистическому моделированию в случае, когда измерения распределены по нормальному закону. Применение нормального распределения и методы генерирования нормальных случайных чисел объяснены далее. [58]

Нормальное распределение используется при обработке различных статистических данных, таких, как средний рост и вес детей, оценки больших групп студентов и даже частота изготовления кондитерских изделий с большим или меньшим весом на производственной линии. Можно было бы предположить, что размеры аэрозольных частиц также нормально распределены. [59]

Определение вероятности попадания равномерно распределенной случайной величины на заданный участок. [60]

Страницы: 1 2 3 4 5