Априорная вероятность

Cтраница 3

Величины априорных вероятностей P ( ft) j) проявляются в выражении разделяющих функций только через так называемый пороговый вес од. Увеличение Р ( wj) приводит к увеличению а, склоняя решение к wb тогда как уменьшение P ( i) оказывает противоположное действие. Геометрически векторы v можно представить вершинами d - мерного гиперкуба. Поверхность решения, определяемая уравнением g ( x) 0, представляет собой гиперплоскость, отделяющую вершины cot от вершин сог. Положение этой гиперплоскости в дискретном случае можно, очевидно, изменять множеством способов, не пересекая вершин и не изменяя вероятности ошибки. Каждая из этих гиперплоскостей представляет оптимальную разделяющую поверхность, обеспечивая оптимальный образ действия. [31]

При равных априорных вероятностях неопределенность выбора больше, поэтому при каждом выборе мы получаем большую информацию. [32]

При равных априорных вероятностях неопределенность выбора больше, поэтому при каждом выборе получаем большую информацию. [33]

Второй - априорная вероятность того, что это заболевание имеется у взятого на удачу члена популяции. [34]

Конечно, априорная вероятность оказаться пустым для данного конкретного интервала весьма мала. Но ведь в пространстве существует много различных интервалов. Вероятность того, что какой-то из них окажется пустым, может быть существенно выше. Более того, если не ограничивать ранг интервалов, в пространстве М обязательно найдутся пустые интервалы, поскольку множество Е представляет собой лишь часть этого про: странства. Стоит ли удивляться, если какой-то интервал окажется пустым. Однако поинтересуемся более сильными связями, ограничив сверху ранги анализируемых интервалов. [35]

Лг - априорные вероятности, соответствующие случаю, когда оптимальным решением было бы отвергнуть гипотезу Hi без проведения каких-либо наблюдений. [36]

Функция мощности и средний объем выборки для последовательного правила. [37]

Если известны априорные вероятности q и р 1 - q принадлежности непересекающимся областям S и SK, а также совместные функции распределения WH ( s) и WK ( s) этой совокупности на множествах 8Я и SK соответственно и если задана функция потерь, то байесовским. [38]

Может ли априорная вероятность гипотезы быть больше соответствующей апостериорной. [39]

До эксперимента априорные вероятности выбора ящика 1 или 2 равны. Теорема Байеса - это просто формализация здравого смысла. [40]

С помощью априорных вероятностей можно построить, наибо лее экономичный план проверки гипотез, поэтому на практике оценкам величин p ( Hk) придается большое значение. [41]

Диаграммы несоответствия. а - ожидаемых показаний времени в моменты t - ( прямая диаграмма. б - действительных моментов времени при полученных показаниях / ( обратная диаграмма. [42]

Закон распределения априорных вероятностей при измерении времени ( это могут быть в общем случае как вероятности моментов, так и вероятности интервалов времени различных длительностей) во всем известном диапазоне шкалы времени ( см. рис. 1) может быть постулирован на основе самых общих соображений, относящихся в равной мере и к априорным распределениям значений любых других физических величин, изменяющихся в широких пределах. Для таких больших множеств ( как отмечено впервые К. Шенноном в [54]) наиболее характерен логарифмически нормальный или аналогичный более упрощенный закон распределения плотности априорного распределения. При таком законе распределения частота появления в природе сверхмалых и сверхбольших интервалов ( см. рис. 1) падает по мере приближения к краям шкалы, что становится достаточно очевидным, еели учесть указанные на рис. 1 области существования соответствующих длительностей. Такая гипотеза, принятая для любых измеряемых физических величин [50], рекомендована и для использования при анализе процессов измерения времени. [43]

Совместно с априорными вероятностями P ( afei) вероятности p ft перехода i - ro символа в k - й полностью определяют вероятностные характеристики дискретных каналов. Она предназначена для описания случайных дискретных последовательностей. Рассмотрим элементы этой теории, которые используются в дальнейшем. [44]

Байеса с априорной вероятностью класса AR ( i), выбранной в виде с ехр [ - i2 ], где с - нормирующая константа. [45]

Страницы: 1 2 3 4