Що таке A PROBABILITY DISTRIBUTION Українською - Українська переклад

• розподіл ймовірностей
• розподіл імовірності
• розподілу ймовірностей
• розподілом ймовірності
• розподіл вірогідності

Приклади вживання A probability distribution Англійська мовою та їх переклад на Українською

Well, it's a probability distribution.
Ну, це розподіл імовірностей.

In fuzzy logic, predicates are the characteristic functions of a probability distribution.
У нечіткій логіці предикатів є характерними функціями розподілу ймовірностей.

Data interpreted as a probability distribution function.
Дані, інтерпретовані як функція розподілу ймовірності.

A probability distribution can be viewed as a partition of a set.
Розподіл імовірності можна розглядати як розбиття множини.

This likelihood function is not a probability distribution, because the total.
Ця функція правдоподібності не є розподілом імовірності, оскільки сума.

Is a convergent series, and so this likelihood function can be normalized into a probability distribution.
Є збіжним рядом[en], і тому цю функцію правдоподібності може бути унормовано в розподіл імовірності.

All you can know is a probability distribution of where it is likely to be.
Те, що ми можемо дізнатися,- це тільки ймовірнісний розподіл того, де він може бути.

Cumulative distribution function: is a general functional form to describe a probability distribution.
Кумулятивна функція розподілу ймовірностей: є загальною функціональною формою для описання розподілу ймовірностей.

If the measure m is itself a probability distribution, the relative entropy is non-negative, and zero if p= m as measures.
Якщо міра m і сама є розподілом ймовірності, то відносна ентропія є невід'ємною, і нульовою, якщо p= m як міри.

In statistics, a central tendency(or measure of central tendency) is a central or typical value for a probability distribution.
У статистиці, центральна тенденція(частіше міра центральної тенденції)- це центральне або типове значення для розподілу ймовірностей[1].

So now that we understand what a probability distribution is, let's look at two classic examples of probability distributions..
Тому тепер, коли ми розуміємо, що ймовірність розподілу є, давайте подивимося на два класичні приклади розподілів ймовірностей..

Inference can be used to identify a specific context or action, or it can form a probability distribution, for example, by state.
Логічний висновок може бути використаний для того, щоб ідентифікувати конкретний контекст або дію, або може формувати розподіл ймовірностей, наприклад, по станах.

Now a probability distribution over this universe U is simply a function which I will denote by P, and this function, what it does, is it assigns to every element in the universe a number between zero and one.
Тепер розподіл імовірності по цьому всесвіті U це просто функція, яку я буду позначати через Р, і ця функція, що він робить, він привласнює кожному елементу у Всесвіті число між нулем і одиницею.

Conversely, given a code C{\displaystyle C}, one can construct a probability distribution P{\displaystyle P} such that the same holds.
І навпаки, для заданого коду C{\displaystyle C} можливо побудувати такий розподіл ймовірності P{\displaystyle P}, що виконуватиметься те саме.

Another equivalent definition is to select a whole decision tree at the beginning from a set of decision trees based on a probability distribution.
Ще одне еквівалентне визначення полягає у виборі цілого дерева рішень на початку з набору дерев рішень на основі розподілу ймовірності.

The inference can be probabilistic that is, the computation of a probability distribution over states of interest based on a consideration of data and events.
Виводи можуть бути імовірнісними, тобто обчислення розподілу вірогідності станів, що цікавлять, засноване на розгляді даних і подій.

Antoine Augustin Cournot in 1843 was the first to use the term median(valeur médiane) for the value that divides a probability distribution into two equal halves.
Антуан Августин Курно в 1843 році був першим, хто використав термін«медіана», як значення, яке ділить розподіл вірогідності на дві рівні частини.

GIBBS DISTRIBUTION canonical, a probability distribution of different conditions of macroscopic system with stationary values in volume and a dividend of the particles, located in balance with an environment of the given temperature;
РОЗПОДІЛ Гіббс канонічне, розподіл ймовірностей різних станів макроскопічної системи з постійним обсягом і постійним числом частинок, що знаходиться в рівновазі з навколишнім середовищем заданої температури;

Inference can be employed to identify a specific context or action, or can generate a probability distribution over slates, for example.
Логічний висновок може бути використаний для того, щоб ідентифікувати конкретний контекст або дію, або може формувати розподіл ймовірностей, наприклад, по станах.

First, t-SNE constructs a probability distribution over pairs of high-dimensional objects in such a way that similar objects have a high probability of being picked while dissimilar points have an extremely small probability of being picked.
Спочатку, t-SNE створює розподіл ймовірностей по парам багатовимірних об'єктів таким чином, що подібні об'єкти мають високу ймовірність бути вибраними, в той час як несхожі точки мають надзвичайно малу ймовірність бути вибраними разом.

In statistics, a central tendency(or, more commonly, a measure of central tendency) is a central value or a typical value for a probability distribution.
У статистиці, центральна тенденція(частіше міра центральної тенденції)- це центральне або типове значення для розподілу ймовірностей[1].

Assuming that input similarity correlates with probability, this means that any single active SDR code is also a probability distribution over all stored inputs, with the probability of each input measured by the fraction of its SDR code that is active(i.e., the size of its intersection with the active SDR code).
Якщо припустити, що подібність вводу корелює з ймовірністю, це означає, що будь-який одиничний активний код SDR також є розподілом ймовірності по всім збереженим входам, з вірогідністю для кожного входу яка вимірюється часткою його коду SDR, який є активним(тобто розміру його перетину з активним кодом SDR).

The use of an improper prior means that the Bayes risk is undefined(since the prior is not a probability distribution and we cannot take an expectation under it).
Використання некоректного апріорного означає, що баєсів ризик є невизначеним(оскільки апріорне не є розподілом ймовірності, й ми не можемо взяти його математичне сподівання).

Any quantity that we are uncertain about will have that uncertainty encoded in a probability distribution, Quantum mechanics is no different in that respect then any other theory of inference, it is only different in that it claims that the uncertainty is intrinsic whereas other theories of inference simply assume that the data is observable in principle but not in practice.
У будь-якій кількості, про яку ми непевні, буде така невизначеність, кодована в розподілі імовірності, квантова механіка в цьому відношенні не відрізняється від будь-якої іншої теорії висновку, вона лише інша, оскільки вона стверджує, що невизначеність є внутрішньою, тоді як інші теорії висновку просто припустимо, що дані можна спостерігати в принципі, але не на практиці.

However, the profile likelihood is not a true likelihood, as it is not based directly on a probability distribution, and this leads to some less satisfactory properties.
Проте профільна правдоподібність не є справжньою правдоподібністю, оскільки вона не ґрунтується безпосередньо на розподілі ймовірності, і це призводить до дещо менш задовільних властивостей.

When playing some game with chances, the distribution of all possible outcomes can be represented by a probability distribution in which some of the results are more likely than others.
Коли Ви граєте в деякі ігри з шансами, розподіл всіх можливих результатів може бути представлено розподілом ймовірностей, в якому деякі результати більш вірогідні, ніж інші.

Artificial intelligence can be employed to identify a specific context or action, or generate a probability distribution of specific states of a system without human intervention.
Штучний інтелект може використовуватися для того, щоб ідентифікувати конкретний контекст або дію або формувати розподіл імовірностей конкретних станів системи без людського втручання.

We said that the discrete probability is always defined over a finite set, which we're gonna denote by U, and typically for us, U is going to be the set of all N bit binary strings, which we denote by zero 130 N. Now a probability distribution P over this universe U is basically a function that assigns to every element in the universe a weight in the interval zero to one, such that if we sum the weight of all these elements, the sum basically sums up to one.
Ми говорили, що дискретні ймовірності завжди визначено скінченною множиною(набором), який ми збираємося позначати як U і, як правило, для нас, U буде набором всіх n-біт двійкових рядків, які ми позначимо як ^n. Отже, розподіл ймовірності Р у цьому всесвіті U являє собою функцію, яка призначає кожному елементу у Всесвіті вагу в інтервалі від нуля до одиниці, таку, що якщо ми просумуємо вагу всіх цих елементів, сума, в основному сума буде наближатися до одиниці.