Ejemplos de uso de Variables aleatorias en Español y sus traducciones al Inglés
{-}
-
Colloquial
-
Official
TEMA 4 Variables aleatorias multidimensionales Dedicación.
Variación de la corriente del BJT en función de las variables aleatorias.
Dado un conjunto de variables aleatorias X( X v) v∈ V{\displaystyle X=( X_{ v})_{ v\ in V}}, sea P( X x){\displaystyleP(X=x)} la probabilidad de una configuración de campo en particular x{\displaystyle x} en X{\displaystyle X.
Función de distribución conjunta de dos variables aleatorias.
Puesto que la suma de variables aleatorias gaussianas independientes es también una variable aleatoria gaussiana el análisis se simplifica, si se considera que tales fuentes del error son también gaussianas e independientes.
Combinations with other parts of speech
Ejemplo 3.3(Sobre un mismo espacio muestral se pueden definir distintas variables aleatorias).
Al examinar la definición general de C( r, τ){\displaystyle C(r,\tau)},está claro que se pueden definir las variables aleatorias utilizadas en estas funciones de correlación, como las posiciones atómicas y los giros, lejos del equilibrio.
De esta forma, se elimina la influencia del dominio original de las variables aleatorias.
Es la distribución de la raíz cuadrada positiva de la suma de los cuadrados de un conjunto de variables aleatorias independientes, cada una siguiendo un distribución normal estándar o, de manera equivalente, la distribución de la distancia euclidiana de las variables aleatorias desde el origen.
Específicamente, si el modelo es estocástico, cada ejecución se genera con una realización específica de cada una de las variables aleatorias del modelo.
Dichas funciones de correlación de pares de elementos mixtos son un ejemplo de funciones de correlación cruzada,ya que las variables aleatorias s 1{\displaystyle s_{1}} y s 2{\displaystyle s_{2}} representan las variaciones promedio en densidad como una posición de función para dos funciones distintas. elementos.
A diferencia de una serie de Fourier, en la cual los coeficientes son números reales y la base de expansión está compuesta por funciones senoidales(es decir, funciones seno y coseno),los coeficientes del teorema de Karhunen-Loève son variables aleatorias y la base de expansión depende del proceso.
Cover 2006, Chapter 5.:N i.i.d. variables aleatorias cada una con una entropía H(X) puede ser comprimida en más de N H(X) bits con un riesgo despreciable de pérdida de información, segúnN→∞; pero a la inversa, si son comprimidos en menos de N H(X) bits es prácticamente seguro que se produce pérdida de información.
En un sentido estadístico, una serie de tiempo{$x_t$} se caracteriza por tener una débil pruebablanca en Excel(ruido blanco) si{$x_t$} es una secuencia de variables aleatorias no correlacionadas con una media de cero y una varianza finita.
Se revisan temas como la estadística descriptiva,teoría de posibilidades, variables aleatorias, distribución de probabilidad discreta y continua, métodos de muestreo, teoría del límite central, estimación de intervalos de confianza, análisis exploratorio de los datos, prueba de hipótesis, correlación y técnicas estadísticas del análisis multivariado.
En el ámbito de la física y la probabilidad, un Campo aleatorio de Markov(abreviado MRF por sus siglas en inglés), Red Markov omodelo gráfico no dirigido es un conjunto de variables aleatorias que poseen la propiedad de Markov descrito por un grafo no dirigido.
El primer teorema de Shannon muestra que( en el límite en el que una cadena de variables aleatorias independientes e idénticamente distribuidas de datos tiende a infinito) es imposible comprimir la información de forma que el ratio de codificación( número medio de bits por símbolo) es menor que la entropía de Shannon de la fuente, si se garantiza que no haya pérdida de información.
Consiguientemente, las caídas de densidad de probabilidad canónicas cae bajo la jurisdicción de la ley local de grande numera cuál afirma que una secuencia de variables aleatorias independientes e idénticamente distribuidas tiende a la ley normal como los aumentos de secuencia sin límite.
Mientras que una medida finitamente aditiva es suficiente para la mayor parte de la intuición de área, y es análoga a la integración de Riemann, se considera insuficiente para la probabilidad, ya quelos tratamientos modernos convencionales de sucesiones de eventos o variables aleatorias precisan de aditividad numerable.
El alumno debería:( a) conocer la función logaritmo y sus propiedades;( b)propiedades elementales de distribuciones de probabilidad finitas y variables aleatorias,( c) conocer los anillos de enteros modulares y saber hacer cálculos;( d) conocer los conceptos básicos de espacios vectoriales: sistemas de ecuaciones lineales, dependencia e independencia lineal, base y dimensión, operaciones con matrices( sumas, productos) y calcular inversas,( d) conocer las propiedades básicas de los polinomios y saber su operar con ellos.
Además, la función de partición permite la aplicación de métodos variacionales parala solución del problema: se puede aplicar una fuerza de a una o más variables aleatorias, y estudiar la forma en que cambia la red en respuesta a esta perturbación.
El primera estadístico de orden(o estadístico de orden más pequeño) es siempre el mínimo de la muestra, es decir, X( 1) min{ X 1,…, X n}{\displaystyle X_{( 1)}=\ min\{\, X_{1},\ldots,X_{n}\,\}} donde, tras una convención común,utilizamos letras mayúsculas para referirnos a variables aleatorias, y las letras minúsculas(como arriba) para los valores reales observados.
Se indicó que el índice simple puede resultar más robusto en la detección de valores VOGON que los índices de parámetros por separado porque la distribución de una suma de variables aleatorias se aproxima a la distribución normal, aún cuando las variables aleatorias mismas no muestran una distribución normal.
El calificador"cuasi" se utiliza para indicar más claramente que los valores de una sucesión de baja discrepancia no son aleatorios ni pseudoaleatorios, perotales sucesiones comparten algunas de las propiedades de las variables aleatorias y en ciertas aplicaciones tales como el cuasi método de Monte Carlo su baja discrepancia es una ventaja importante.
En particular, permite definir la definición de la derivada de una variable aleatoria.
El número X de éxitos de un experimento hipergeométrico se denomina variable aleatoria hipergeométrica.
Esta ley justifica la interpretación intuitiva del valor esperado de una variable aleatoria como el"promedio a largo plazo al hacer un muestreo repetitivo.
Si X es una variable aleatoria, su función de distribución F X( x) P( X≤ x){\displaystyle F_{ X}( x)= P( X\ leq x)} es una función creciente.
Joseph Bertrand introdujo en su obra Calcul des probabilités(1888) como un ejemplo para demostrar que las probabilidades pueden no estar bien definidas si el mecanismo ométodo que produce la variable aleatoria no está claramente definido.