RANDOM VARIABLES Meaning in Thai - translations and usage examples

• ตัวแปรสุ่ม

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

They are independent random variables.
พวกมันเป็นตัวแปรสุ่มที่อิสระจากกัน

Like this with the random variables and that it's a little bit confusing.
ด้วยตัวแปรสุ่มและมันอาจทำให้คุณสับสน

Let's say we have two random variables.
สมมุติว่าเรามีตัวแปรสุ่มสองตัว

So one instantiation of the random variables, you have-- you sample once from the universe, and you get X=1 and Y=3.
ตรงค่าที่สังเกตได้จากตัวแปรสุ่มค่าหนึ่ง, คุณมี--คุณสุ่มตัวอย่างนึกถึงจากจักรวาล, แล้วคุณได้X=1และY=3

This is equal to the expected value of the random variables, X and Y, X times Y.
นี่เท่ากับค่าคาดหวังของตัวแปรสุ่ม, XกับY, XคูณY

So you can perform this experiment a bunch of times, but this tells you the frequency, the frequency of that random variables.
คุณสามารถทดลองหลายๆ ครั้ง, แต่นี่บอกถึงความถี่, ความถี่ของตัวแปรสุ่ม

You can have discrete random variables, or continuous.
คุณมีตัวแปรสุ่มแบบไม่ต่อเนื่องหรือแบบต่อเนื่อง

What I want to do in this video is introduce you to the idea of the covariance between 2 random variables.
สิ่งที่ผมอยากทำในวิดีโอคือแนะนำให้คุณรู้จักแนวคิดเรื่องความแปรปรวนร่วมเกี่ยวcovariance ระหว่างตัวแปรสุ่ม2ตัว

So what can the covariance of 2 random variables be approximated by?
แล้วความแปรปรวนเกี่ยวเนื่องของตัวแปรสุ่ม2ตัวจะประมาณได้เท่าไหร่?

What I want to do in this video is build up some tools in our tool kit for dealing with sums and differences of random variables.
สิ่งที่ผมอยากทำในวิดีโอนี้คือสร้างเครื่องมือในกล่องเครื่องมือของเราเพื่อจัดการกับผลรวมและผลต่างของตัวแปรสุ่ม

So let's say that we have two random variables, x and y, and they are completely independent.
สมมุติว่าเรามีตัวแปรสุ่มสองตัว, xกับy, และพวกมันเป็นอิสระจากกันโดยสมบูรณ์

Correlation(Correlatio the Latin means"relationship, the relationship")- a definite statistical relationship between two or more random variables.
ความสัมพันธ์Correlatio. ภาษาละตินหมายถึง. "ความสัมพันธ์ของความสัมพันธ์" -ความสัมพันธ์ทางสถิติที่ชัดเจนระหว่างสองคนหรือมากกว่าตัวแปรสุ่ม

But what do we have left? We have the covariance of these 2 random variables X and Y, equal to the expected value of.
แล้วเราจะเหลืออะไร? เรามีความแปรปรวนเกี่ยวเนื่องระหว่างตัวแปรสุ่ม2ตัวคือXกับY

In the role of measuring the correlation of random variables performs correlation ratio and the coefficient of correlation.
ในบทบาทของการวัดความสัมพันธ์ของตัวแปรสุ่มดำเนินอัตราส่วนความสัมพันธ์และค่าสัมประสิทธิ์ของความสัมพันธ์

And I'm doing that because we just talked about random variables and all of that.
ผมทำอย่างนี้เพราเราเพิ่งพูดถึงตัวแปรสุ่มอะไรพวกนั้นไป

If we're taking essentially the difference of two random variables, the variance is going to be the sum of those two random variables.
ถ้าเราหาผลต่างระหว่างตัวแปรสุ่มสองตัว, ความแปรปรวนจะเท่ากับผลรวมของค่าจากตัวแปรสุ่มสองตัวนั้น

So we just showed you is that the variance of the difference of two independent random variables is equal to the sum of the variances.
เราเพิ่งแสดงให้คุณเห็นว่าความแปรปรวนของผลต่างระหว่างตัวแปรสุ่มอิสระจากกัน2ตัวเท่ากับผลบวกของความแปรปรวนทั้งสอง

Now what I need to show you is that the variance of negative y, of the negative of that random variables are going to be the same thing as the variance of y.
ทีนี้สิ่งที่ผมอยากแสดงให้คุณดูคือว่าความแปรปรวนของลบy, ของค่าลบตัวแปรสุ่มนั้น, จะเท่ากับความแปรปรวนของy

So another way of thinking about the slope of our regression line, it can be literally viewed as the covariance of our 2 random variables over the variance of X. You can kind of view it as the independent random variable..
วิธีคิดถึงความชันของเส้นตรงถดถอยคือ, เรามองมันเป็นความแปรปรวนเกี่ยวเนื่องระหว่างตัวแปรสุ่ม2ตัวส่วนความแปรปรวนของX. คุณสามารถมองมันเป็นตัวแปรสุ่มที่อิสระจากกัน

And the random variable is just that function mapping.
แล้วตัวแปรสุ่มก็แค่ฟังก์ชันเชื่อมโยง

So the expected value of our random variable is equal to the sum.
ค่าคาดหวังของตัวแปรสุ่มเราเท่ากับผลบวกนี้

It's the expected value of random variable minus expected value of X.
มันคือค่าคาดหวังของตัวแปรสุ่มค่าคาดหวังของX

Let's define a random variable, X, like we always do.
ลองกำหนดตัวแปรสุ่มX, อย่างที่เราทำเสมอ

So I have random variable x.
ผมมีตัวแปรสุ่มx

Random variable y.
ตัวแปรสุ่มy

And I'm going to define my random variable.
ผมจะนิยามตัวแปรสุ่มของผม

This is for our random variable, x.
นี่สำหรับตัวแปรสุ่มของเรา, X

So that's our random variable.
นั้นคือตัวแปรสุ่มของเรา

That's a random variable.
นั่นคือตัวแปรสุ่ม

It isn't true for any random variable, X.
มันไม่จริงสำหรับตัวแปรสุ่มXใดๆ