What is the translation of " PROBABILITY DISTRIBUTION " in Hebrew?

• התפלגות ההסתברות
• התפלגות הסתברות

Examples of using Probability distribution in English and their translations into Hebrew

So let's say I have a discreet probability distribution function.
הבה נאמר כי יש לנו פונקצית הסתברות של התפלגות בדידה.

The probability distribution of a random variable is often characterised by a small number of parameters, which also have a practical interpretation.
ההתפלגות של משתנה מקרי מאופיינת לעיתים קרובות על ידי מספר קטן של פרמטרים, שיש להם גם משמעות מעשית.

And this adds up approximately to 1, and therefore, is a probability distribution.
וזה מתחבר פחות או יותר לאחד, לכן זהו התפלגות הסתברותית.

Bayes networks define probability distributions over graphs or random variables.
רשתות Bayes מגדירות התפלגויות מעל גרפים או משתנים אקראיים.

A statistical parameter is a parameter that indexes a family of probability distributions.
פרמטר סטטיסטי הוא פרמטר שמעריך משפחה של התפלגויות.

And you don't know the probability distribution functions for any of those things.
ואיננו יודעים את פונקציית ההתפלגות של אף אחד מהדברים האלה.

When you first told me you wanted to run an advanced conditional probability distribution application.
כשאמרת לי שאתה רוצה להפעיל יישום מתקדם של התפלגות סיכויים מותנית.

They will merely compute probability distributions for what they should expect to find, taking selection effects into account.
הם יוכלו רק לחשב את התפלגויות ההסתברויות לכל מה שהם מצפים למצוא, בהתחשב במנגנוני הברירה.

A belief gives, for each information set of the game belonging to the player, a probability distribution on the nodes in the information set.
לכל קבוצת פרטי מידע על שחקן במשחק, אמונה נותנת את התפלגות ההסתברות על הצמתים בקבוצת פרטי המידע.

One source states the following examples: The probability distribution for total distance covered in a random walk(biased or unbiased) will tend toward a normal distribution..
מקור אחד מציין את הדוגמאות הבאות: התפלגות המרחק הכולל שעוברים בהילוך מקרי(מוטה או חסר הטיה) ייטה להתפלג נורמלי.

It looks like he is, and so I need to figure this out before more people get hurt, Jessie, so… Probability distribution algorithm?
זה נראה כאילו הוא, ובשביל זה אני צריך להבין את זה לפני יותר אנשים נפגעים, ג'סי, אז… אלגוריתם התפלגות הסתברות?

This is a perfectly fine specification of a probability distribution where 2 causes affect the variable down here, the happiness.
זוהי הגדרת התפלגות הסתברותית סבירה לחלוטין בה 2 סיבות משפיעות על המשתנה כאן, האושר.

In probability theory and statistics, the characteristic function of any real-valued random variable completely defines its probability distribution.
בתורת ההסתברות ובסטטיסטיקה, פונקציה אופיינית של משתנה מקרי היא פונקציה המתארת את ההתפלגות שלו.

We may want a fully Bayesian version of this, giving a probability distribution over"θ" as well as the latent variables.
אנחנו אולי רוצים גרסה בייס מלאה, בהינתן התפלגות הסתברות על θ, כמו גם את המשתנים החבויים.

In probabilistic inference, the output is not a single number for each of the query variables, but rather, it's a probability distribution.
הפלט אינו מספר יחיד עבור כל משתני השאילתא, אלא הפלט הוא למעשה התפלגות הסתברותית. אם כך, התשובה תהיה התפלגות משותפת.

Averages are informative, but the shape of the probability distributions gives us useful additional information about the range of expectations under scenarios of good and bad luck.
אפשר ללמוד הרבה מהממוצע, אבל הצורה של התפלגות ההסתברויות מלמדת אותנו מידע חשוב נוסף על טווח הציפיות בתרחישים שונים של מזל וחוסר מזל.

The Bayes network, as we find out, is a complex representation of a distribution over this very, very large joint probability distribution of all of these variables.
רשת בייס, כמו שאנו רואים, זהו ייצוג מורכב להתפלגות על התפלגות משותפת של כל המתשנים הנ"ל.

Further, the central limit theorem shows that the probability distribution of the averaged measurements will be closer to a normal distribution than that of individual measurements.
יתר על כן, משפט הגבול המרכזי מראה כי התפלגות ההסתברות של מדידות ממוצעים יהיה קרוב יותר להתפלגות נורמלית מזו של מדידות נפרדות.

Instead of enumerating all possibilities of combinations of these 5 random variables, the Bayes network is defined by probability distributions that are inherent to each individual node.
במקום למספר את כל הקומבינציות האפשריות של 5 המשתנים, רשת Bayes מוגדרת על ידי התפלגויות אשר שייכות לכל חוליה בגרף.

Such a probability distribution can always be captured by its cumulative distribution function: formula_51and sometimes also using a probability density function.
התפלגות כזו ניתנת להצגה תמיד בעזרת פונקציית הצטברות ההסתברות שלה: formula_11ולעתים גם בעזרת פונקציית צפיפות הסתברות(השווה לנגזרת של פונקציית הצטברות ההסתברות בכל נקודה בה קיימת הנגזרת).

The analysis provides a test of the hypothesis that each sample is drawn from the same underlying probability distribution against the alternative hypothesis that underlying probability distributions are not the same for all samples.
הניתוח מספק בדיקה של ההשערה שכל דוגמה משורטט מאותה התפלגות ההסתברות המשמשת כבסיס נגד ההשערה החלופית אשר התפלגות ההסתברות הבסיסית אינה זהה עבור כל הדגימות.

In practice, one often disposes of the space Ω{\displaystyle\Omega} altogether and just puts a measure on R{\displaystyle\mathbb{R}} that assigns measure 1 to the whole real line, i.e., one works with probability distributions instead of random variables.
בפועל, לעיתים קרובות נפטרים לגמרי מהמרחב Ω{\displaystyle\\Omega}, ופשוט מגדירים מידה על הממשיים כך שמידת הישר הממשי כולו תהיה 1, כלומר עובדים עם התפלגויות במקום עם משתנים מקריים.

The training examples come from some generally unknown probability distribution considered representative of the space of occurrences and the learner has to build a general model about this space that enables it to produce sufficiently accurate predictions in new cases.
דוגמאות ההדרכה מגיעות מהפצת הסתברות לא ידועה בדרך כלל(הנחשבת לייצגת מרחב המופעים) ועל הלומד לבנות מודל כללי לגבי מרחב זה המאפשר לו לייצר תחזיות מדויקות מספיק במקרים חדשים.

If Harry had needed to formalise the wordless inference that had just flashed into his mind, it would have come out something like,'If I estimate the probability of Professor McGonagall doing what I just saw as the result of carefully controlling herself, versus the probability distribution for all the things she would do naturally if I made a bad joke, then this behavior is significant evidence for her hiding something.'.
אם הארי היה נדרש לפרמל את ההיסק הא- מילולי שבזה ה רגע הבזיק מוחו, זה היה יוצא משהו כמו, 'אם אני מעריך את ההסתברות ש פרופסור מקגונגל עשתה את מה ש ראיתי כרגע כ תוצאה מ שליטה עצמית זהירה, כנגד התפלגות ההסתברות של כל ה דברים ה אחרים ש היא הייתה עושה ב אופן טבעי אם הייתי מספר בדיחה גרועה, אזי ה התנהגות ה זו היא ראיה משמעותית ל כך ש היא מ סתירה משהו.'.

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.
בהתחלה האלגוריתם בונה התפלגות עבור כל זוג אובייקטים ממימד גבוה כך שלאובייקטים דומים יש הסתברות גבוהה להיבחר, בעוד שלאובייקטים לא דומים יש הסתברות נמוכה מאד(אינפיניטסימלית) להיבחר.

The Boltzmann entropy is obtained if one assumes one can treat all the component particles of a thermodynamic system as statistically independent. The probability distribution of the system as a whole then factorises into the product of N separate identical terms, one term for each particle; and the Gibbs entropy simplifies to the Boltzmann entropy.
האנטרופיה של בולצמן מתקבלת אם מניחים שניתן להתייחס לכל החלקיקים המרכיבים מערכת תרמודינאמית כאל בלתי תלויים סטטיסטית. ואז התפלגות ההסתברות של המערכת כולה ניתן לכתיבה כמכפלת N ביטויים זהים, ביטוי אחד לכל חלקיק; והאנטרופיה של גיבס הופכת לאנטרופיה של בולצמן.

The assumptions embodied by a statistical model describe a set of probability distributions, some of which are assumed to adequately approximate the distribution from which a particular data set is sampled. The probability distributions inherent in statistical models are what distinguishes statistical models from other, non-statistical, mathematical models.
המודל הסטטיסטי מורכב ממשפחה של התפלגויות הסתברות התואמות להנחות המגולמות בו, מתוך הנחה שלפחות חלק מההתפלגויות דומות מספיק להתפלגות שממנה נדגמו הנתונים. התפלגויות ההסתברות הכרוכות במודלים סטטיסטיים הן מה שמבדיל בין מודלים סטטיסטיים לבין מודלים מתמטיים אחרים, שאינם סטטיסטיים.

If Harry had needed to formalise the wordless inference that had just flashed into his mind, it would have come out something like,'If I estimate the probability of Professor McGonagall doing what I just saw as the result of carefully controlling herself, versus the probability distribution for all the things she would do naturally if I made a bad joke, then this behavior is significant evidence for her hiding something.'.
אם הארי היה צריך לפרמל את ההיסק ה לא- מילולי שהבזיק ב אותו רגע במוחו, ה תוצאה הייתה משהו כמו, 'אם אעריך את ההסתברות ש פרופסור מקגונגל עשתה את מה ש ראיתי כרגע כ תוצאה מ שליטה עצמית זהירה ואציב את היא אל מול התפלגות ההסתברות של כל ה דברים ה אחרים ש היא הייתה עושה ב אופן טבעי אם הייתי מספר בדיחה גרועה, אז ה התנהגות ה זאת היא ראיה משמעותית ל כך ש היא מ סתירה משהו.'.

For the special case where μ is equal to zero, after n steps, the translation distance's probability distribution is given by N(0, nσ2), where N() is the notation for the normal distribution, n is the number of steps, and σ is from the inverse cumulative normal distribution as given above.
למקרה המיוחד שבו μ שווה לאפס, אחרי n צעדים, התפלגות ההסתברות של מרחק ההזזה ניתנת על ידי N( 0, nσ2), ש כאשר N() הוא הסימון בהתפלגות הנורמלית, n הוא מספר הצעדים, וσ הוא משתנה של ההתפלגות הנורמלית המצטברת ההפוכה כמו שניתן לעיל.

The intuition behind this definition is as follows. It is assumed that there is a"true" probability distribution induced by the process that generates the observed data. We choose P{\displaystyle{\mathcal{P}}} to represent a set(of distributions) which contains a distribution that adequately approximates the true distribution..
האינטואיציה מאחורי הגדרה זו היא כדלקמן: ההנחה היא שיש התפלגות הסתברות"אמתית" המשוייכת לתהליך זה, אשר יוצרת את הנתונים המתקבלים בו. אנחנו מסמנים ב- קבוצה(של התפלגויות) אשר מכילה התפלגות שהיא קירוב מספיק טוב של ההתפלגות האמתית.