日本語 での 確率変数 の使用例とその 英語 への翻訳
{-}
-
Colloquial
-
Ecclesiastic
-
Computer
-
Programming
A⊥b確率変数aとbは独立である。
以下に挙げるは、IID確率変数の例または適用例である。
The following are examples or applications of IID random variables.確率変数の期待値を計算する：。
Compute the expected value of a random variable.確率変数は全て独立。
All the random variables are independent.カーネル密度推定量は、確率変数の推定pdfです。
The kernel density estimator is the estimated pdf of a random variable.それ以降の確率変数X2、X3、…。
The subsequent random variables X2, X3,….E[X]は確率変数Xの期待値。
E[X] expected value of random variable X.確率変数の集合がネットワークのノードを構成する。
A set of random variables makes up the nodes of the network.確率変数の収束には、「概収束(Convergencealmostsurely)」。
Convergence of random variables, for"almost sure convergence".等確率変数と指数確率変数の和。
Sum of uniform and exponential random variables.Tとtiを確率変数と考える。
Think of T and ti as random variables.期待値の線形性は、確率変数が独立でない場合にも成立します。
But the linearity of expectation holds even when the random variables concerned are not independent.Z値は標準確率変数価値から平均を引き、標準偏差で割ることによって計算できます。
Z-score can becomputed by subtracting the mean from the given standardized random variable value and.交換可能な確率変数（英語版）の一般化はしばしば十分であり、より容易に満たされる。
The generalization of exchangeable random variables is often sufficient and more easily met.”.データは確率変数X:Ω→X{\displaystyleX:\Omega\rightarrow{\mathcal{X}}}として見ることができる。
Data can be seen as a random variable X: Ω→ X{\displaystyle X:\Omega\rightarrow{\mathcal{X}}}.最も簡単な統計検定の1つであるz検定は、確率変数の平均に関する仮説を検定するために使用される。
One of the simplest statistical tests, the z-test,is used to test hypotheses about means of random variables.ガウス確率変数の分散は10で、その標準偏差は、10の平方根、それはなんだっけ、。
So the variance of this Gaussian random variable is 10 on the standard deviation is square root of 10, which is about what?注釈:非負の確率変数に対する条件付き期待値は常にwell-defindであり、有限な期待値は必ずしも必要ではない。
Note: Conditional expectation for non-negative random variables is always well defined, finite expectation is not needed.均一に分布における範囲(間に0そして10)RVのexpの異なる最初の数字になる確率変数RV(RV)。
The ranges in a uniformly distributed(between 0 and 10) random variable RV that result in different first digits in RV exp(RV).つの確率変数の場合は、(条件付き)独立性が利用できないので特別困難となる。
The case of two random variables is particularly challenging since no(conditional) independences can be exploited.Xの分布が連続の場合、Xを連続確率変数と呼ぶ。
If the distribution of X is continuous,then X is called a continuous random variable.を独立な確率変数の無限列とする（必ずしも同分布である必要はない）。
Is an infinite sequence of independent random variables(not necessarily identically distributed).像が不可算無限集合であるならばXは連続確率変数と呼ばれる。
If the image is uncountably infinite then X{\displaystyle X}is called a continuous random variable.独立同分布とは、列内の要素が、その要素の前の確率変数とは独立していることを意味する。
Independent andidentically distributed" implies an element in the sequence is independent of the random variables that came before it.例R=corrcoef(A,B)は、2つの確率変数AとBの間の相関係数を返します。
R= corrcoef(A, B) returns coefficients between two random variables A and B.したがってこのアプローチでは、気体の確率分布を決定する代わりとして、今や気体の状態それ自体が確率変数となる。
Thus, the state of the gas, instead of determining the probability distribution,now itself becomes a stochastic variable.確率変数がIIDであるという仮定の下で証明された多くの結果は、より弱い分布仮定の下でも真であることが示されている。
Many results that were first proven under the assumption that the random variables are i. i. d. have been shown to be true even under a weaker distributional assumption.従来の確率変数極限定理では、相関が強くなると漸近分布は古典的な正規分布では無くなりますが、ウェーブレットは時系列の相関を断切る特長があり、ウェーブレットドメインでの相関の理論的評価を定式化します。
Conventional random variable limit theorems are such that asymptotic distribution disappears in classical normal distribution as the correlation becomes stronger, but wavelets eliminate time-series correlations, requiring theoretical assessments of wavelet domain correlations to be formulated.本モデルにおいて,筋電位信号は平均ゼロのガウスホワイトノイズプロセスとして考える.ここで,筋電位信号の分散を逆ガンマ分布に従う確率変数として扱うことで,分散に重畳するノイズの表現が可能となる。
In the model, EMG signals are handled based on a Gaussian white noise process with a mean of zero for each variance value.EMG signal variance is taken as a random variable that follows an inverse gamma distribution, allowing the representation of noise superimposed onto this variance.確率変数を表すノード。
Nodes representing probability variables.
