Интегральная функция - распределение - вероятность
Cтраница 1
Интегральная функция распределения вероятностей является универсальной характеристикой случайной величины. Она может быть использована для характеристики случайных величин как непрерывного, так и дискретного типа. [1]
 |
Виды случайных процессов. [2] |
Одномерная интегральная функция распределения вероятностей F ( X) / ( - оо - Х ( 0х) определяется вероятностями нахождения исследуемого процесса ниже уровня х, который может изменяться от - оо до оо. [3]
Допустим теперь, что интегральная функция распределения вероятностей F ( x) непрерывна. [4]
Функция F ( x), определенная согласно (6.133), получила название интегральной функции распределения вероятности вдоль оси х, или кратко - интегральной функции распределения вероятности. [5]
Для непрерывной случайной величины функция распределения F ( x) называется также интегральной функцией распределения вероятностей случайной величины. Если F ( х) дифференцируема, то p ( x) F ( x) называется плотностью распределения вероятностей случайной величины или дифференциальной функцией распределения вероятностей. [6]
Так как величина дифференциальной функции распределения вероятности тем больше, чем быстрее увеличивается интегральная функция распределения вероятности при увеличении х то дифференциальная функция распределения вероятности часто называется плотностью вероятности. [7]
В случае непрерывной случайной величины функция распределения Р ( х) называется также интегральной функцией распределения вероятностей случайной величины. [8]
Геометрическая интерпретация этой операции показана на рис. 15, a F ( x0) иногда называют интегральной функцией распределения вероятности. [9]
 |
Система одномерных распределений значений контролируемых параметров качества линейного строительства. [10] |
Оценка результатов контроля по характеру обусловленности недетерминированной части формируемых параметров качества может быть получена на основе анализа интегральных функций распределения вероятностей состояния процесса контроля. [11]
В методе Монте-Карло данные предшествующего опыта вырабатываются искусственно путем использования некоторого генератора случайных чисел в сочетании с интегральной функцией распределения вероятностей для исследуемого процесса. Таким генератором может быть таблица, колесо рулетки, подпрограмма ЭВМ или какой-либо другой источник равномерно распределенных случайных чисел. Подлежащее разыгрыванию распределение вероятностей может быть основано на эмпирических данных, извлекаемых из ранее сформированных записей, или на результатах последнего эксперимента либо может представлять собой известное теоретическое распределение. Случайные числа используются для получения дискретного ряда случайных переменных, имитирующего результаты, которых можно было бы ожидать в соответствии с разыгрываемым вероятностным распределением. [12]
К тому же заключению приходим, какова бы ни была функция / ( л) и соответствующая ей интегральная функция распределения вероятностей Длс), которые можем рассматривать как пределы только что рассмотренных ломаных линий, когда интервалы между двумя вершинами стремятся к 0, так что число их неограниченно возрастает. [13]
Иногда функцию f x) называют дифференциальной функцией распределения вероятности, а функцию F ( х) - интегральной функцией распределения вероятности. [14]
Иногда функцию / () называют дифференциальной функцией распределения вероятности, а функцию F ( х) - интегральной функцией распределения вероятности. [15]
Страницы: 1 2