Cтраница 1
Априорное распределение, связанное с существом конкретной задачи и прежде всего с видом информации, которая должна передаваться или извлекаться радиосистемой, в каждом отдельном случае может иметь специфические черты. Поскольку система только еще проектируется, часто оно не может быть полностью известно проектировщику. [1]
Априорные распределения, слабо влияющие на средний риск. [2]
Априорное распределение фазы ф считаем неизвестным. Поэтому априорное распределение Р ( б) также полагаем неизвестным. [3]
Здесь априорное распределение существенно влияет на оценку, удерживая ее в интервале хт. Таким образом, при отбрасывании априорного распределения нужно проявлять известную осторожность для того, чтобы получаемые результаты не противоречили здравому смыслу. [4]
Априорное распределение ответов является важным фактором для исследования. Чаще всего мы до проведения исследования не знаем соотношение ответов, а оно оказывает существенное влияние как на точность получаемых результатов, так и на прямые затраты. [5]
Любое дискретное априорное распределение замкнуто для выборок различного объема. [6]
Априорное распределение случайного вектора ( х ( 0), хз ( 0)) - гауссовское с известными параметрами. Пусть угол дрейфа x ( i) измеряется точно. [7]
Априорное распределение вероятностей состояний природы при условии, что их множество представляет полную группу случайных событий. При рассмотрении сложных гипотез могут быть введены также плотности вероятности параметров на множествах их значений при условии принадлежности этих множеств соответствующим состояниям-гипотезам. [8]
Если априорное распределение является бета-распределением с параметрами ( а, Ь), то по теореме Байеса апостериорное распределение также будет бета-распределением. Это свойство объясняет широкую применимость бета-распределения. [9]
Хотя априорное распределение - несобственное, апостериорное будет обычным нормальным распределением, если сделано хотя бы одно наблюдение. [10]
Однако априорное распределение Р ( б), по-прежнему должно быть известно. [11]
Когда априорное распределение iti ( в) неизвестно, процедура построения безусловной оценки случайного параметра & может основываться на минимаксном критерии качества. Минимаксной называется оценка Ф мм, для которой верхняя граница значений условной функции риска г ( О) не превосходит верхних границ значений функции ( относительно переменной §) при любых других оценках. Так же как и минимаксное правило выбора решения в альтернативных ситуациях, минимаксная оценка дает уверенность в том, что потери в среднем ( по совокупности выборок заданного размера) не будут больше некоторой величины rmin. В некоторых случаях минимаксная оценка может оказаться слишком осторожной. [12]
Если априорное распределение самой низкой конкурентной цены было бы нормальным, для оценки ожидаемой прибыли при различных ценах необходимо было бы использовать цифровую вычислительную машину, а затем на основе этих вычислений выбрать оптимальную цену. [13]
Если априорное распределение является бета-распределением с параметрами ( а, 6), то по теореме Байеса, апостериорное распределение также будет бета-распределением. Это свойство объясняет широкую применимость бета-распределения. [14]
Если априорное распределение является бета-распределением с параметрами ( а Ь), то по теореме Байеса апостериорное распределение также будет бета-распределением. Это свойство объясняет широкую применимость бета-распределения. [15]