Непрерывная функция - распределение
Cтраница 2
Так как непрерывная случайная величина X имеет непрерывную функцию распределения F ( х), то из равенства нулю предела для непрерывной функции F ( х) в точке а следует, что и вероятность любого отдельного значения непрерывной случайной величины равна нулю. Этот вывод, на первый взгляд, парадоксален. [16]
В случае скалярной наблюдаемой величины X с непрерывной функцией распределения для проверки гипотезы о совпадении распределений в двух выборках можно пользоваться критерием Н. В. Смирнова, аналогичным критерию Колмогорова [ 98 J. [17]
Погрешности, связанные с конечно - разностной аппроксимацией непрерывных функций распределения. [18]
Множеством 0 в этом случае является пространство всех непрерывных функций распределения. [19]
Приведенные выше графики ситовых анализов указывают на существование непрерывных функций распределения частиц по размерам. В зависимости от условий кристаллизации эти функции могут, по-видимому, подчиняться определенным закономерностям. [20]
Вариационный ряд последовательности независимых, одинаково распределенных случайных величин с непрерывной функцией распределения имеет важные применения в математической статистике. [21]
Табличный метод может использоваться в случае как дискретных, так и непрерывных функций распределения, если таблица может быть представлена в одномерном виде. Например, интегральная функция распределения для обычного нормального распределения имеет только один ненулевой параметр, каким является среднее квадратичное отклонение. Среднее значение всегда равно нулю. Следовательно, табличный метод хорош для нормального распределения. Однако существуют распределения, содержащие более одного ненулевого параметра. Примером служат биномиальное распределение и распределение Пуассона. В этих случаях рекомендуется использовать другие методы, хотя тщательное размещение таблицы в ячейки памяти может дать возможность эффективного применения табличного метода. Другие методы рекомендуются и в случае функций плотности, не симметричных относительно нуля. [22]
Для выработки случайных чисел с неравномерным распределением, описываемым дискретной или непрерывной функцией распределения ( в последнем случае с функцией плотности, содержащей только положительные или отрицательные значения или симметричной относительно нуля), самым прямым и эффективным методом преобразования служит метод обращения к таблице. Для случая многих параметров или функций плотности, не симметричных относительно нуля, рекомендуется использовать другие методы, примеры которых приведены ниже при получении биномиального и пуассоновского распределений. [23]
До сих пор мы предполагали, что х и у обладают непрерывными функциями распределения и отсюда следовало, что возможность осуществления события xt yk можно не принимать в расчет. Такой же вопрос возникает также и в случае критерия Вилкоксона. [24]
Дискретность материалов полевых наблюдений за влажностью обуславливает то, что точность определения непрерывной функции распределения этой случайной величины ограничена частотой наблюдений за влагозапасами. Очевидно, что интервалы времени между смежными измерениями должны выбираться с учетом биологических особенностей культуры и продолжительности фаз ее развития. Для большинства сельскохозяйственных культур этот период, по-видимому, может не превышать одну декаду. [25]
X at, t 0, где X - случайная величина с непрерывной функцией распределения, а а 1 - детерминированная постоянная. Пусть D С [ 0, оо) - некоторое конечное или счетное подмножество. [26]
 |
Примерный вид реализации А ( т при случайных отключениях технологического оборудования. [27] |
Продолжительности работы Т и простоя Т агрегата являются независимыми случайными величинами с непрерывными функциями распределения F ( t) и G ( t), имеющими конечные математические ожидания ц / и i и дисперсии 0 2 и а 2 соответственно. [28]
Формулировка проектирования здесь отличается от предыдущих примеров тем, что должна быть определена непрерывная функция распределения материала и ( х), а не конечномерный вектор переменных проектирования. [29]
Для случайных функций автокорреляционная функция является апериодической, а спектральная плотность мощности - непрерывной функцией распределения мощности сигнала по угловой частоте. Суммарная мощность в определенном диапазоне частот представляется площадью под кривой спектральной функции для данного диапазона. [30]
Страницы: 1 2 3 4