Examples of using Random variables in English and their translations into Ukrainian
{-}
-
Colloquial
-
Ecclesiastic
-
Computer
Random Variables, 518.
So suppose we have two random variables x and y.
Так, припустимо, що у нас є дві випадкових змінні x та y.Be random variables such that| X|.
Є випадковими величинами, такими що| X|.The covariance issometimes called a measure of"linear dependence" between two random variables.
Коваріацію іноді називають мірою«лінійної залежності» між двома випадковими змінними.If the random variables X 1,….
Якщо випадкові величини X 1,….Contrast stochastic(probability) simulation, which includes random variables.
На противагу стохастичним моделюванням(моделювання ймовірності), які містять в собі випадкові змінні.And continuous random variables, they can take on any value in a range.
А неперервні випадкові змінні, вони можуть набувати будь-якої величини у деяких межах.The joint probability mass function of two discrete random variables X, Y{\displaystyle X, Y}.
You have discrete random variables, and you have continuous random variables.
Ми маємо перервні випадкові змінні та маємо неперервні випадкові змінні.Hopefully this gives you a sense of the distinction between discrete and continuous random variables.
Сподіваюся це надасть вам розуміння відмінності між перервною та неперервною випадковими змінними.So I claim that, these random variables, x and y, are independent of one another.
Ітак, я стверджую, що ці випадкові змінні, x та y, є незалежним одна від одної.Mutual information therefore measures dependence in the following sense: I(X;Y)= 0 if and only if X and Y are independent random variables.
Взаємна інформація відтак вимірює залежність у наступному сенсі: I(X; Y)=0, якщо і лише якщо X та Y є незалежними випадковими величинами.The random variables are the functions associated with a real number to each element of a set E.
Випадкові змінні- це функції, які пов'язують дійсне число з кожним елементом множини E.Let A{\displaystyle A} and B{\displaystyle B} be discrete random variables associated with the outcomes of the first and second coin flips respectively.
Нехай A та B є дискретними випадковими змінними, пов'язаними з результатами підкидань першої та другої монети відповідно.Random variables are really ways to map outcomes of random processes to numbers.
Випадкові змінні величини це, насправді, способи відображення результатів A stochastic process can be classified in different ways, for example, by its state space, its index set,or the dependence among the random variables.
Стохастичний процес може бути класифікований по-різному, наприклад, за його простором, його набором індексів,або залежністю між випадковими величинами.For discrete random variables, the marginal probability mass function can be written as Pr(X= x).
Для дискретних випадкових змінних відособлену функцію маси ймовірності може бути записано як Pr(X= x).Differential Entropy: Extending discrete entropy to the continuous case-The Shannon entropy is restricted to random variables taking discrete values.
Диференціальна ентропія: Продовження дискретний ентропію на безперервний випадок-Ентропія Шеннона обмежується випадкових величин, що приймають дискретні значення.Similarly for continuous random variables, the marginal probability density function can be written as pX(x).
Аналогічно, для неперервних випадкових змінних відособлену функцію густини ймовірності може бути записано як pX(x).We describe probability measures on the cylinder and a-adic solenoids which arecharacterized by the independence of the sum and the difference of two independent random variables.
На циліндрі та а-адичних соленоїдах описані ймовірнісні міри,які характеризуються незалежністю суми та різниці двох незалежних випадкових величин.The two random variables, x and θ, are independent, so the joint probability density function is the product.
Дві дискретні випадкові змінні X{\displaystyle X} та Y{\displaystyle Y} є незалежними, якщо спільна функція маси ймовірності задовольняє.The classic Skitovich- Darmois theorem states that the Gaussian distribution on the real line can be characterized by theindependence of two linear forms of n independent random variables.
Класична теорема Скитовича-Дармуа стверджує, що гауссівські розподіли на дійсній прямій характеризуютьсянезалежністю двох лінійних форм від n незалежних випадкових величин.And discrete random variables, these are essentially random variables that can take on distinct or separate values.
Перервні випадкові змінні, вони є по суті In probability theory and statistics,partial correlation measures the degree of association between two random variables, with the effect of a set of controlling random variables removed.
В теорії ймовірностей і статистиці,часткова кореляція вимірює ступінь зв'язку між двома випадковими величинами, з ефектом набору контрольних In general two random variables X{\displaystyle X} and Y{\displaystyle Y} are independent if the joint cumulative distribution function satisfies.
Дві дискретні випадкові змінні X{\displaystyle X} та Y{\displaystyle Y} є незалежними, якщо спільна функція маси ймовірності задовольняє.In mathematical modeling, deterministic simulations contain no random variables and no degree of randomness, and consist mostly of equations, for example difference equations.
У математичному моделюванні, детерміновані моделі не містять випадкових величин і ступеня випадковості, і в основному складаються з рівнянь, наприклад диференційних.Let the random variables X{\displaystyle X} and Y{\displaystyle Y}, defined on the same probability space, assume a finite or countably infinite set of finite values.
Нехай випадкові величини X та Y визначені на одному ймовірнісному просторі, припустимо скінченну чи зліченну множину скінченних значень.Probability theory studies random variables and events, which are mathematical abstractions of non-deterministic events or measured quantities.
Теорія ймовірностей вивчає випадкові величини і події, які є математичною абстракцією не-детермінованих подій або вимірних Two discrete random variables X{\displaystyle X} and Y{\displaystyle Y} are independent if and only if the joint probability mass function satisfies.
Дві дискретні випадкові змінні X{\displaystyle X} та Y{\displaystyle Y} є незалежними, якщо спільна функція маси ймовірності задовольняє.For discrete, jointly distributed random variables X, Y, Z. This result has been used as a basic building block for proving other inequalities in information theory.
Для дискретних спільно розподілених випадкових величин X, Y та Z. Цей результат застосовувався як основний будівельний блок для доведення інших нерівностей в теорії інформації.
