Вероятностное свойство

Cтраница 2

Кривая нормального распределения вероятностей ( кривая Гаусса. [16]

Гауссова кривая в координатной системе ty ( x), х показывает вероятностные свойства случайных функций за время наблюдения за этими функциями. [17]

Априорная неопределенность ситуации в произвольный момент измерения времени при этом полностью определяется вероятностными свойствами самой измеряемой величины - законом распределения априорных вероятностей различных моментов tj - законом распределения дат. [18]

В этой связи следует обратить внимание на необходимость всемерного расширения исследований, посвященных вероятностным свойствам процессов изнашивания и, в частности, корреляционным функциям этих процессов. [19]

Нахождение математического ожидания и корреляционной функции результата применения нелинейного оператора к случайной функции, вероятностные свойства которой известны, значительно более сложно. Исключением является только нормальный случайный процесс для некоторых типов нелинейных операторов. [20]

Нахождение математического ожидания и корреляционной функции результата применения нелинейного оператора к случайной функции, вероятностные свойства которой известны, значительно более сложно. Исключением является нормальный случайный процесс для некоторых типов нелинейных операторов. [21]

Стационарный случайный процесс называют эргодтеским, если одна его реализация содержит всю информацию о вероятностных свойствах процесса. Эргодические процессы выявляют свои свойства не только на множестве реализаций, но и во времени. Важной их особенностью является возможность замены осреднения по множеству реализаций осреднением по времени. [22]

Для практических приложений значительный интерес представляют процессы, уровни которых с течением времени меняются, но вероятностные свойства остаются неизменными - стационарные случайные процессы. [23]

В тех редких случаях, когда решение уравнения Ланжевена можно получить аналитически в замкнутом виде, вероятностные свойства решения можно определить путем усреднения по заданным шумам. [24]

Получение случайных чисел в системе счисления с основанием 2. [25]

При моделировании совершенно не обязательно полностью имитировать моделируемый процесс, создавая искусственный процесс с теми же вероятностными свойствами, что и реальный. Достаточно, чтобы модель описывалась теми же уравнениями, что и моделируемый процесс. Более того - уравнения тоже могут быть различными, нужно лишь, чтобы искомые параметры и характеристики модели и моделируемого процесса совпадали либо были взаимно однозначно связаны. [26]

Случайный процесс X ( t) называют марковским ( процессом без последействия), если все его вероятностные свойства на интервале t t0 ( в будущем) определяются значением X ( t0) - х0, фактически принятым в момент t ta ( в настоящем), и все значения процесса, имевшие место на интервале t t0 ( в прошлом), не уточняют это описание. [27]

В заключение отметим, что формула (4.70) позволяет вычислить среднее число превышений за переменный уровень, обладающий вероятностными свойствами. [28]

При решении большинства задач проектирования и эксплуатации ЭЭС достаточно вместо четырехмерных зависимостей вида (4.1), обладающих наряду с детерминированными вероятностными свойствами, оперировать двухмерными зависимостями изменения нагрузок во времени S ( t), от величины S ( U) и частоты S ( f) питающего напряжения. [29]

Однако конструкция, предложенная в работе [2] и направленная на наиболее полное удовлетворение запросов инвестора ( трейдера) со своим взглядом на вероятностные свойства рынка и своими рисковыми предпочтениями, носит во многом теоретический характер и определяет в основном принципы построения оптимального портфеля инвестора и его доходность. Она оставляет в стороне вопросы конкретного построения оптимального портфеля. [30]

Страницы: 1 2 3 4