What is the translation of " RANDOM VARIABLES " in Hungarian?

• valószínűségi változók
• véletlen változók
• véletlenszerű változók
• valószínűségi változó

Examples of using Random variables in English and their translations into Hungarian

Random Variables, 518.
Véletlen változók, 518.

Discrete random variables.
Folyamatos véletlen változók.

Random Variables(discrete and continuous).
Valószínűségi változó(diszkrét és folytonos).

Exchangeable random variables.
Felcserélhető véletlen változók.

The following are examples or applications of IID random variables.
A következőkben példákat mutatunk az IID alkalmazására random változók esetében.

Are independent random variables, then.
Független valószínűségi változók, akkor.

We sometimes use symbols(words) instead of numbers to represent random variables.
Néha szimbólumokat(szavakat) használunk a számok helyett a véletlenszerű változók ábrázolására.

Both these random variables are proportional to the true but unknown variance σ2.
Mindkét valószínűségi változó arányos az igazi, de ismeretlen σ2 szórásnégyzettel.

Independent and identically distributed random variables.
Független és azonos eloszlású véletlenszerű változók.

The notation used to represent random variables, is 1- P(f=r), where 1 is 100% or just 1.
A véletlenszerű változók ábrázolására 1- P(f= r), ahol 1 100% vagy csak 1.

Random variables are often written as P(f=r) where f is the event name and r is the probability.
A véletlen változókat gyakran P(f= r) formában írják, ahol f az esemény neve és r a valószínűség.

Remember earlier when we said that random variables are functions?
Emlékszel korábban, amikor azt mondtuk, hogy a véletlen változók függvények?

These nodes correspond to events that you might or might not know that are typically called random variables.
Ezen csomópontok általunk ismert vagy ismeretlen eseményeket írnak le. az eseményeket általában valószínűségi változóknak hívjuk.

Something, discrete and continuous random variables, and simple linear regression.".
Valamiből, diszkrét és folytonos véletlenszerű variánsokból, és egyszerű lineáris regresszióból.".

Continuous random variables usually measure time, distance and stuff like how many pounds, how many gallons, etc.
A folytonos valószínűségi változók többnyire időt, távolságot, meg olyanokat mérnek, hogy hány kiló, hány liter, stb.

A sensitivity table shows how outcomes vary when one or more random variables or assumptions are changed.
A érzékenységi táblázat azt mutatja, hogyan változik eredményeket, ha egy vagy több valószínűségi változók vagy feltevések megváltozása.

Let the random variables be defined to assume values in I⊆ R{\displaystyle\mathbb{I}\subseteq\mathbb{R}}.
A véletlen változókat úgy definiáljuk, hogy azok az alábbi helyről vegyenek fel értékeket: Én⊆ R{\displaystyle \mathbb{} \subseteq \mathbb{R}}.

Generalizations of this distribution can be obtained by summing the squares of other types of Gaussian random variables.
Ennek az eloszlásnak az általánosítását úgy kaphatjuk, ha összegezzük más típusú Gaussi valószínűségi változók négyzeteit.

Here the endpoints U= u(X) and V= v(X) are statistics(i.e., observable random variables) which are derived from values in the dataset.
Itt az U= u(X) és a V= v(X) végpontok statisztikák(megfigyelhető valószínűségi változók), amik az adathalmazból származtathatók.

Write a class called Drv(discrete random variable) for the interpretation of finite discrete random variables.
Írjunk egy Drv(discrete random variable) nevű osztályt a véges értelmezési tartományú diszkrét valószínűségi változók kezelésére.

A joint probability distribution allows you to have multiple random variables, typically 50 or 100 but our examples will include fewer.
A közös valószínűség-eloszlás lehetővé teszi több véletlenszerű változó, általában 50 vagy 100, de példáinkban kevesebb is lesz.

Stochastic programming studies the case in which some of the constraints or parameters depend on random variables.
A sztochasztikus programozás azokkal az esetekkel foglalkozik, amikor a megkötések vagy a paraméterek véletlen valószínűségi változóktól függnek.

Coskewness, in statistics, measures how much three random variables change together, and is used in finance to analyze security and portfolio risk.
Coskewness, a statisztika, méri, hogy mennyi három valószínűségi változók együtt változik, és használják a pénzügyi elemzésére a biztonság és a portfolió kockázatát.

The path of such a particle is a“random walk” in which both direction and distance are uniformly distributed random variables.
Az ilyen részecskék pályája egy olyan"véletlen bolyongás", amikor mind az irány, mind a távolság egyenletes eloszlású véletlenszerû változó.

We say two random variables X{\displaystyle X} and Y{\displaystyle Y} are identically distributed iff P[ x≥ X]= P[ x≥ Y],∀ x∈ I{\displaystyle P[x\geqX]=P[x\geq Y],\,\forallx\in\mathbb{I}}.
Két random változó X{\displaystyle X} és Y{\displaystyle Y} akkor azonos eloszlású, ha P[ x≥ X]= P[ x≥ Y],∀ x∈ Én{\displaystyle P[x\geq X]=P[x\geq Y],\, \mindazt, x\a \mathbb{-}}.

Responses for a given group are independent and identically distributed normal random variables(not a simple random sample(SRS)).
Adott csoport válaszai független, azonos eloszlású, normális eloszlású véletlen változók(nem egy egyszerű véletlen minta (SRS)).

If 2 random variables, X and Y, are independent, which you're going to write like this, that means the probability of the joint that any 2 variables can assume is the product of the marginals.
Ha két valószínűségi változó X és Y függetlenek, amelyet a következőképp írunk, azt jelenti, hogy az együttes valószínűség amelyet bármelyik változó felvehet a határ valószínűségek szorzata.

It could be that, sort of, nature is such that the weather three weeks from now, that it is going to be exactly 68 degrees, and it's going to rain for exactly 20 minutes, but nobody can actually figure that out because there are so many random variables.
Lehet, hogy a természet olyan, hogy az idő három hét múlva pontosan 68 Farenheit fokos lesz, és pontosan 20 percig fog esni, de senki sem tudja megérteni, mert sok véletlen változó van.

Probability, random variables, probability distribution and density functions, multiple random variables, random processes, spectral properties of random processes and response of linear systems to random input, engineering applications.
Valószínűség, valószínűségi változók, valószínűségi eloszlás és sűrűségfüggvény, több valószínűségi változók, véletlen folyamatok, spektrális tulajdonságok a véletlen folyamatok és a válasz lineáris rendszerek véletlen bemenet, mérnöki alkalmazások.