Що таке THE RANDOM VARIABLE Українською - Українська переклад

• випадкова змінна
• випадкова величина
• випадкову змінну

Приклади вживання The random variable Англійська мовою та їх переклад на Українською

Then the random variable.
Тоді випадкова величина.

V And we say that this set V is where the random variable takes its values.
V, І ми говоримо, що це встановити v є, де випадкова змінна бере її цінностей.

If the random variables X 1,….
Якщо випадкові величини X 1,….

So let's see, for the random variable y.
Так що давайте подивимося, випадкова змінна y.

Well, the random variable can be either zero or one.
Отже, випадкова змінна може бути рівна або нулю або одиниці.

Because you can just keep on performing the experiment that generates the random variable.
Оскільки, ви в змозі просто продовжувати провадити дослід, що створює дану випадкову змінну.

I have changed the random variable now.
Тепер я змінив цю випадкову змінну.

Let the random variable x represent the number of girls in a family with 3 children.
Нехай випадкова величина Х- це число хлопчиків у сім'ї з трьома дітьми.

Although, sometimes when you see it formally explained like this with the random variables and that it's a little bit confusing.
Проте, іноді коли ви бачите формальне пояснення цього, на зразок цього з випадковою змінною, то це трохи спантеличує.

What the random variable will do is simply output the least significant bit of y And that's it.
Випадкова змінна буде робити просто виводу молодший біт y І все.

Specifically, L-moments are more robust than conventional moments, and existence of higher L-moments only requires that the random variable have finite mean.
Зокрема, L-моменти є більш надійними, ніж звичайні моменти, і існування вищих L-моментів вимагає тільки те, що випадкова величина має кінцеве середнє.

So now let's define the random variable which is the XOR of x and y.
Так що тепер, давайте визначимо випадкову змінну, яка є результатом XOR'у Х та Y.

Since independent random variables are always uncorrelated, the equation above holds in particular when the random variables X 1,….
Оскільки незалежні випадкові величини завжди є некорельованими, вищенаведене рівняння є дійсним зокрема для випадку, коли випадкові величини X 1,….

The random variables are the functions associated with a real number to each element of a set E.
Випадкові змінні- це функції, які пов'язують дійсне число з кожним елементом множини E.

A stochastic process can be classified in different ways, for example, by its state space, its index set, or the dependence among the random variables.
Стохастичний процес може бути класифікований по-різному, наприклад, за його простором, його набором індексів, або залежністю між випадковими величинами.

So if we say that the random variable, x, is equal to the number of-- we could call it successes.
Отож, якщо ми кажемо, що дана випадкова змінна Х дорівнює кількості(ми могли назвати це успіхами).

Well, if choose strings uniformly at random, the probability that we choose a string that has its least significant bits set to zero is exactly one half Which the random variable output zero with a probability of exactly one-half.
Ну, якщо вибирати рядки рівномірно навмання, ймовірність того, що ми вибрати рядок, який має свою останню чергу набір біт до нуля є точно половина, що випадкова змінна виводу 0 з ймовірністю точно половина.

In general, if the random variable X follows the binomial distribution with parameters n∈ ℕ and p∈, we write X~ B(n, p).
У загальному випадку, якщо випадкова величина X відповідає біноміальному розподілу із параметрами n ∈ ℕ і p ∈, записують X~ B(n, p).

If X{\displaystyle X} is a random variable with the non-central chi distribution, the random variable X 2{\displaystyle X^{2}} will have the noncentral chi-squared distribution.
Якщо X{\displaystyle X} є випадкова величина з нецентрованим розподілом хі, випадкова величина X 2{\displaystyle X^{2}} матиме нецентрований розподіл хі-квадрат.

The random variables U= a T X{\displaystyle U=a^{T}X} and V= b T Y{\displaystyle V=b^{T}Y} are the first pair of canonical variables.
Випадкові змінні U= a′ X{\displaystyle U=a'X} та V= b′ Y{\displaystyle V=b'Y} є першою парою канонічних змінних(англ. first pair of canonical variables).

And this random variable, just to go back to the top, we defined the random variable as the number of cars that pass in an hour at a certain point on a certain road.
І цією випадкової змінною, просто аби нагадати усе вищесказане, ми визначили цю випадкову змінну як кількість автівок, що проїзджають протягом години на певній ділянці певної дороги.

Let the random variables X{\displaystyle X} and Y{\displaystyle Y}, defined on the same probability space, assume a finite or countably infinite set of finite values.
Нехай випадкові величини X та Y визначені на одному ймовірнісному просторі, припустимо скінченну чи зліченну множину скінченних значень.

Mutual information can also be expressed as a Kullback- Leibler divergence of the product p(x)× p(y) of the marginal distributions of the two random variables X and Y, from p(x, y) the random variables' joint distribution:.
Взаємну інформацію також може бути виражено як відстань Кульбака- Лейблера добутку p(x) × p(y) відособлених розподілів двох випадкових величин x та y від спільного розподілу цих випадкових величин p(x, y):.

All three measures have the following property: If the random variable(or each value from the sample) is subjected to the linear or affine transformation which replaces X by aX+b, so are the mean, median and mode.
Всі три міри мають таку властивість: Якщо над випадковою величиною(або кожним значенням вибірки) виконують лінійне або афінне перетворення, що заміняє величину X на aX+b, то те саме перетворення відбудеться із середнім, медіаною і модою.

Which we saw in the last video was the exact same thing as adding everything together and dividing by the number of numbers, except that that method worked with an infinite number of an infinite population what the random variable is.
Що ми бачили у нашому останньому відео, так це таку ж саму річ як додавання усього до купи та ділення цього на дану кількість чисел, окрім того, що цей метод працював з нескінченою кількістю нескінченої загальної сукупності що й було даною випадковою змінною.

Is an example of a model with an interaction between variables x1 and x2("error" refers to the random variable whose value is that by which Y differs from the expected value of Y; see errors and residuals in statistics).
Є прикладом моделі з взаємодією між змінними величинами x1 і x2(«хиба» відноситься до випадкової змінної величини, значення якої є те, що, за допомогою якого Y відрізняється від очікуваного значення Y, див. помилки і неув'язки в статистиці).

The sample mean and the sample covariance matrix are unbiased estimates of the mean and the covariance matrix of the random vector\textstyle\mathbf{X}, a row vector whose jth element(j= 1,…, K) is one of the random variables.
Матриці вибіркового середнього та вибіркової коваріації є незміщеними оцінками середнього значення та коваріаційної матриці випадкового вектора[en] X{\displaystyle \textstyle\mathbf{X}}, рядкового вектора, чий j-тий елемент(j= 1,…, K) є однією з випадкових змінних.

However, if the random variable has an infinite but countable probability space(i.e., corresponding to a die with infinite many faces) the 1965 paper demonstrates that for a dense subset of priors the Bernstein-von Mises theorem is not applicable.
Однак, якщо випадкова змінна має нескінченний, але зліченний імовірнісний простір(тобто, відповідає гральній кістці з нескінченною кількістю граней), то праця 1965 року демонструє, що для щільної підмножини апріорних ймовірностей теорема Бернштайна- фон Мізеса[de] не є застосовною.

Another advantage L-moments have over conventional moments is that their existence only requires the random variable to have finite mean, so the L-moments exist even if the higher conventional moments do not exist(for example, for Student's t distribution with low degrees of freedom).
Ще одна перевага L-моментів в порівнянні зі звичайними моментами є те, що їх існування вимагає тільки випадкової величини, щоб мати кінцеве середнє, так що існують L-моменти, навіть якщо вищі звичайні моменти не існують(наприклад, для розподілу студента з низьким ступенем свободи).