DENSITY FUNCTION Meaning in Thai - translations and usage examples

• ฟังก์ชันความหนาแน่น

Examples of using Density function in English and their translations into Thai

And so, what we defined, we defined a density function.
และดังนั้น, สิ่งที่เรานิยาม, เรานิยามฟังก์ชันความหนาแน่นขึ้นมา

But it's a probability density function just like we studies the Poisson distribution.
มันก็คือฟังก์ชันความหนาแน่นของความน่าจะเป็นอย่างที่เราเรียนการกระจายตัวแบบปัวซอง

How do I figure this out using the probability density function?
ผมจะหานี่โดยใช้ฟังก์ชันความหนาแน่นของความน่าจะเป็นได้อย่างไร?

So, the density was that our density function is defined to be x, y, and z, and we wanted to figure out the mass of this volume.
แล้ว, ความหนาแน่นคือฟังก์ชันความหนาแน่นเราเป็นx, yกับz, และเราอยากหามวลของปริมาตรนี้

So it's the area from minus infinity to x of our probability density function.
มันก็คือพื้นที่จากลบอนันต์ถึงxของฟังก์ชันความหนาแน่นของความน่าจะเป็น

It's going to be the density function, x squared yz times the volume differential, but we're integrating with respect to z first.
มันจะเท่ากับฟังก์ชันความหนาแน่น, xกำลังสองyzคูณดิฟเฟอเรเชียลปริมาตร, แต่เราอินทิเกรตเทียบกับzก่อน

To figure that out what I did here is I took the value of the probability density function there.
ในการหาค่าออกมาสิ่งที่ผมทำตรงนี้คือมหาค่าฟังก์ชันความหนาแน่นของความน่าจะเป็นตรงนี้

But what the normal distribution is it's the continuous probability density function so it can tell us what's the probability of being 2.183 feet away?
แต่การกระจายตัวแบบต่อเนื่องมันคือฟังก์ชันความหนาแน่นของความน่าจะเป็นแบบต่อเนื่องแล้วมันบอกเราได้หรือไม่ว่าความน่าจะเป็นที่ห่างออกไป2.183ฟุตพอดีเป็นเท่าไหร่?

So you can do this in theory with a discrete or a continuous probability density function.
ในทางทฤษฎีคุณสามารถใช้ฟังก์ชันความหนาแน่นของความน่าจะเป็นแบบต่อเนื่องหรือไม่ต่อเนื่องก็ได้

And we did that by integrating this 3 variable density function-- this function of 3 variables.
และเราหามันด้วยการอินทิเกรตฟังก์ชันความหนาแน่น3ตัวแปร--ฟังก์ชัน3ตัวแปรนี่

To get exact-- well, I will go into more of this when I talk about probability density functions.
เพื่อให้ได้ค่าเป๊ะ--ตรงนี้, เราจะพูดถึงอีกเวลาผมพูดถึงฟังก์ชันความหนาแน่นของความน่าจะเป็น

But in a continuous probability distribution or a continuous probability density function, you can't just say what is the probability of me getting a 5.
แต่ในการกระจายตัวความน่าจะเป็นแบบต่อเนื่องหรือฟังก์ชันความหนาแน่นของความน่าจะเป็น, คุณบอกไม่ได้ว่าความน่าจะเป็นที่ผมได้5เป็นเท่าไหร่

We're going to something similar that we did in the second video where we figured out the mass using a density function.
เราจะทำคล้ายกับที่เราทำในวิดีโอที่สองโดยเราจะหามวลจากฟังก์ชันความหนาแน่น

I take 16 samples as described by this probability density function-- or 25 now, plot it down here.
ผมเอาตัวอย่าง16ค่าตามที่บรรยายด้วยฟังก์ชันความหนาแน่นของความน่าจะเป็น--หรือ25ค่าตรงนี้, พลอตมันข้างล่างนี้

In fact, our standard deviation became smaller than our original population distribution-- or original probability density function.
ที่จริง, ค่าเบี่ยงเบนมาตรฐานจะน้อยกว่าของการกระจายตัวประชากรเดิม--หรือฟังก์ชันความหนาแน่นของความน่าจะเป็นเดิม

So that's what the normal distribution, I guess the probability density function for the normal distribution looks like.
นั่นก็คือการกระจายตัวแบบปกติ, นั่นคือหน้าตาของฟังก์ชันความหนาแน่นของความน่าจะเป็นสำหรับการกระจายตัวแบบปตกิ

It could be a discrete probability distribution or a continuous one, and we learned that that's a probability density function.
มันอาจเป็นการกระจายตัวของความน่าจะเป็นแบบไม่ต่อเนื่องหรือแบบต่อเนื่องและเราเรียนไปว่านั่นคือฟังก์ชันความหนาแน่นของความน่าจะเป็น

If someone gives you a probability density function or if they give you a little chart like this, you can immediately say, what's the probability of different events occurring?
ถ้ามีคนให้ฟังก์ชันความหนาแน่นของความน่าจะเป็นหรือถ้าเขาให้แผนภาพเล็กๆ นี่ให้คุณ, คุณก็บอกได้ทันทีว่าความน่าจะเป็นที่เหตุการณ์ต่างๆเกิดขึ้นเป็นเท่าไหร่?

And if we wanted to know the mass of that cube, we would multiply the density function at that point times this dv.
และหากผมอยากรู้มวลของลูกบาศก์นั่น, เราก็แค่คูณฟังก์ชันความหนาแน่นจุดนั้นคูณdvนี่

Because as we learned before, in a probably density function, if this is a continuous, not a discreet, the probability of getting exactly that is 0, if this wasn't discrete.
เพราะอย่างที่เราเรียนก่อนหน้านี้, ในฟังก์ชันความหนาแน่นของความน่าจะเเป็น, ถ้านี่ต่อเนื่อง, ไม่ใช่แบบไม่ต่อเนื่อง, ความน่าจะเป็นที่จะได้ค่าพอดีเป็น0,ถ้ามันเป็นแบบต่อเนื่อง

It will actually be the integral from 4 and a half to 5 and a half of this probability density function or of this probably density function, the x.
มันก็คืออินทิกรัลจาก4.5ถึง5.5ของฟังก์ชันความหนาแน่นของความน่าจะเป็นหรือฟังก์ชันความหนาแน่นของโอกาส, x

You know what the standard deviation means in general but this is the standard deviation of this distribution, which is a probability density function.
คุณรู้ว่าค่าเบี่ยงมาตรฐานหมายถึงอะไรโดยทั่วไปแต่นี่คือค่าเบี่ยงเบนมาตรฐานของการกระจายตัว, ซึ่งเป็นฟังก์ชันความหนาแน่นของความน่าจะเป็น

So if I know the standard deviation-- so this is my standard deviation of just my original probability density function, this is the mean of my original probability density function.
ถ้าผมรู้ค่าเบี่ยงเบนมาตรฐาน--นี่คือค่าเบี่ยงเบนมาตรฐานของฟังก์ชันความหนาแน่นของความน่าจะเป็นเดิมนี่คือค่าเฉลี่ยของฟังก์ชันความหนาแน่น

For those of you who know calculus, if p of x is our probability density function-- doesn't have to be a normal distribution although it often is a normal distribution-- the way you actually figure out the probability.
สำหรับคนที่รู้แคลคูลัส, ถ้าpของxคือฟังก์ชันความหนาแน่นของความน่าจะเป็น--ไม่จำเป็นต้องเป็นการกระจายตัวแบบปกติก็ได้แต่มันมักเป็นการกระจายแบบปกติ

But if we wanted to figure out the mass, since we're using rectangular coordinates, it would be the density function at that point times our differential volume.
แต่หากเราอยากหามวล, เนื่องจากเราใช้พิกัดสี่เหลี่ยม, มันจะเท่ากับฟังก์ชันความหนาแน่นจุดนั้นคุณปริมาตรดิฟเฟอเรนเชียล

Now you can calculate these expected values if you know everything about the probability distribution or density functions for each of these random variables, or if you have the entire population that you're sampling from whenever you take an instantiation of these random variables.
ทีนี้คุณสามารถคำนวณค่าคาดหวังได้ถ้าเรารู้ทุกอย่างเกี่ยวกับการกระจายตัวของความน่าจะเป็นหรือฟังก์ชันความหนาแน่นของตัวแปรสุ่มแต่ละตัวหรือถ้าคุณมีประชารทั้งหมดที่คุณสุ่มตัวอย่างได้

Function of density measuring and normal gram scale.
ฟังก์ชั่นการวัดความหนาแน่นและขนาดกรัมตามปกติ

Like a p is what you normally use in physics for density-- so its density is a function of x, y, and z.
ตัวpคือสิ่งที่คุณมักใช้ในฟิสิกส์แทนความหนาแน่น--ดังนั้นความหนาแน่นเป็นฟังก์ชันของx, yกับz