Examples of using Variable aleatoria in Spanish and their translations into English
{-}
-
Colloquial
-
Official
S-álgebra, variable aleatoria y distribución de probabilidad.
Distribución de probabilidad de una variable aleatoria binomial.
Probability distribution of a binomial random variable.Si X es una variable aleatoria, su función de distribución F X( x) P( X≤ x){\displaystyle F_{ X}( x)= P( X\ leq x)} es una función creciente.
If X{\displaystyle X} is a random variable, its cumulative distribution function F X( x) Prob( X≤ x){\displaystyle F_{X}\! left( x\ right)={\ text{ Prob}}\!\ \left(X\leqx\right)} is a monotonically increasing function.En particular, permite definir la definición de la derivada de una variable aleatoria.
Esta ley justifica la interpretación intuitiva del valor esperado de una variable aleatoria como el"promedio a largo plazo al hacer un muestreo repetitivo.
This law justifies the intuitive interpretation Combinations with other parts of speech
El primer motivo de preocupación se eliminaría mediante las transformaciones siguientes efectuadas antes del cálculo de la variable aleatoria normal estándar.
The first of these concerns would be addressed by the following transformations prior to calculation of the standardised normal variate.En otras palabras, sir es una variable aleatoria que es 1 cuando hmin(A) hmin(B) y 0 en otro caso, entonces r es un estimador insesgado de J(A, B), a pesar de que tiene una varianza muy alta para ser útil por sí solo.
In other words,if r is a random variable that is one when hmin(A) hmin(B) and zero otherwise, then r is an unbiased estimator of J(A, B), although it has too high a variance to be useful on its own.El número X de éxitos de un experimento hipergeométrico se denomina variable aleatoria hipergeométrica.
Puesto que la suma de variables aleatorias gaussianas independientes es también una variable aleatoria gaussiana el análisis se simplifica, si se considera que tales fuentes del error son también gaussianas e independientes.
Since sums of independent Gaussian Joseph Bertrand introdujo en su obra Calcul des probabilités(1888) como un ejemplo para demostrar que las probabilidades pueden no estar bien definidas si el mecanismo ométodo que produce la variable aleatoria no está claramente definido.
Joseph Bertrand introduced it in his work Calcul des probabilités(1889) as an example to show that probabilities may not be well defined if the mechanism ormethod that produces the random variable is not clearly defined.WG-EMMSTATS-96/7 propuso un método de representación, en la cual una variable aleatoria normal estándar(z(x- x)/sd) se calcula para cada índice.
WG-EMM-Stats-96/7 suggested a method for these displays in which a standardised normal variate(z(x- x)/sd) was calculated for each index.Los valores posibles de una variable aleatoria pueden representar los posibles resultados de un experimento aún no realizado, o los posibles valores de una cantidad cuyo valor actualmente existente es incierto p.e., como resultado de medición incompleta o imprecisa.
A random variable's possible values might represent the possible outcomes of a yet-to-be-performed experiment, or the possible outcomes of a past experiment whose already-existing value is uncertain for example, due to imprecise measurements or quantum uncertainty.En particular, se tiene H 2≤ 2 H∞.{\displaystyle H_{2}\leq 2H_{\ infty}.} Por otro lado, la entropía de Shannon H 1{\displaystyle H_{1}}puede ser arbitrariamente grande para una variable aleatoria X{\displaystyle X} con una entropía min dada.
In particular, we have H 2≤ 2 H∞.{\displaystyle\mathrm{H}_{2}\leq 2\mathrm{H}_{\ infty}.} On the other hand, the Shannon entropy H 1{\displaystyle\mathrm{H}_{1}}can be arbitrarily high for a random variable X{\displaystyle X} that has a given min-entropy.Un tiempo de espera en relación a una secuencia de variables aleatorias X1,X2,… es una variable aleatoria τ{\displaystyle\tau} con la propiedad de que para cada t, la ocurrencia o no ocurrencia del evento τ{\displaystyle\tau} t depende solo de los valores de X1, X2,…, Xt.
A stopping time with respect to a sequence of Una variable aleatoria de distribución F se construye como el siguiente cociente: F U 1/ d 1 U 2/ d 2{\displaystyle F={\frac{ U_{ 1}/ d_{ 1}}{ U_{ 2}/ d_{ 2}}}} donde U1 y U2 siguen una distribución chi-cuadrado con d1 y d2 grados de libertad respectivamente, y U1 y U2 son estadísticamente independientes.
A random variate of the F-distribution with parameters d1 and d2 arises as the ratio of two appropriately scaled chi-squared variates: X U 1/ d 1 U 2/ d 2{\displaystyle X={\frac{ U_{ 1}/ d_{ 1}}{ U_{ 2}/ d_{ 2}}}} where U1 and U2 have chi-squared distributions with d1 and d2 degrees of freedom respectively, and U1 and U2 are independent.Si np y np(1- p) son grandes(mayor a 5), entonces la probabilidad por encima se aproxima bastante por:P( Y≤ x+ 1/ 2){\displaystyle P(Y\leq x+1/2)} donde Y es una variable aleatoria distribuida normalmente con el mismo valor esperado y la misma varianza que X, es decir, E(Y) np y var(Y) np 1- p.
If np and np(1- p) are large(sometimes taken to mean≥ 5), then the probability above is fairly well approximated by P( Y≤x+ 1/ 2){\displaystyleP(Y\leq x+1/2)} where Y is a normally distributed random variable with the same expected value and the same variance as X, i.e., E(Y) np and var(Y) np1- p.El segundo punto de vista es la vista probabilístico: la variable aleatoria F f( G){\displaystyleF=f(G)} depende de la variable aleatoria G g( H){\displaystyleG=g(H)}, Que depende de H h( X){\displaystyleH=h(X)}, Que depende de la variable aleatoria X{\displaystyle X.
The second view is the probabilistic view: the random variable F f( G){\displaystyle\textstyleF=f(G)} depends upon the random variable G g( H){\displaystyle\textstyleG=g(H)}, which depends upon H h( X){\displaystyle\textstyleH=h(X)}, which depends upon the random variable X{\displaystyle\textstyle X.Quizás la extensión más comúnmente utilizada es usar rectángulos en lugar de círculos para indicar variables no aleatorias, ya sea parámetros a calcular, hiperparámetros con un valor fijo( o calculado a través de Bayes empíricos), ovariables cuyos valores se calculan de manera determinista a partir de una variable aleatoria.
Perhaps the most commonly used extension is to use rectangles in place of circles to indicate non-random variables-either parameters to be computed, hyperparameters given a fixed value(or computed through empirical Bayes), orConsideró el incremento en la coordenada x de la partícula como una variable aleatoria(x o Δ{\displaystyle\Delta}, en virtud de la transformación de coordenadas que lleva el origen a la posición inicial de la partícula), con función de densidad de probabilidad ϕ( Δ){\displaystyle\phi\Delta.
He regarded the increment of particle positions in time τ{\displaystyle\tau} in a one dimensional(x) space(with the coordinates chosen so that the origin lies at the initial position of the particle) as a random variable( Δ{\displaystyle\Delta}) with some probability density function φ( Δ){\displaystyle\varphi\Delta.En teoría de probabilidad y estadística, una distribución categórica(también denominada distribución de Bernoulli generalizada, distribución multinoulli')es una distribución de probabilidad discreta que describe los posibles resultados de una variable aleatoria que puede tomar una de K categorías posibles, con la probabilidad de cada categoría especificada por separado.
In probability theory and statistics, a categorical distribution(also called a generalized Bernoulli distribution, multinoulli distribution)is a discrete probability distribution that describes the possible results of a random variable that can take on one of K possible categories, with the probability of each category separately specified.Dicho de otro modo,si N es una variable aleatoria de Poisson y Xi, i 1, 2, 3,… es una sucesión infinita de variables aleatorias que siguen la distribución logarítmica de parámetro p, entonces la variable aleatoria∑ n 1 N X i{\displaystyle\sum_{ n=1}^{ N} X_{ i}} sigue una ley binomial negativa.
In other words,if N is a random variable with a Poisson distribution, and Xi, i 1, 2, 3,… is an infinite sequence of independent identically distributed En teoría de la probabilidad y estadística, la distribución Rademacher(que lleva el nombre de Hans Rademacher)es una distribución discreta de probabilidad que una variable aleatoria X tiene una probabilidad del 50% de ser +1 o -1. Una serie de Rademacher distribuye las variables pueden considerarse como un simple camino aleatorio simétrico, donde el tamaño del paso es 1.
In probability theory and statistics, the Rademacher distribution(which is named after Hans Rademacher)is a discrete probability distribution where a random variate X has a 50% chance of being +1 and a 50% chance of being -1.La naturaleza asigna una variable aleatoria a cada jugador que podría tomar valores de tipos para cada jugador y las probabilidades de asociación o una función de densidad de probabilidad con esos tipos, en el transcurso de la partida, la naturaleza elige aleatoriamente un tipo para cada jugador de acuerdo con la distribución de probabilidad a través cada de el espacio de características de jugador.
Nature assigns a random variable to each player which could take values of types for each player and associating probabilities or a probability mass function with those types in the course of the game, Nature randomly chooses a type for each player according to the probability distribution across each player's type space.Como la máquina no puede llenar cada taza con exactamente 250 g,el contenido que se añade a cada taza individual presenta cierta variación y se le asigna una variable aleatoria X. Se asume que esta variación se ajusta a una distribución normal de alrededor de la cantidad promedio deseada de 250 g, con una desviación estándar de 2.5 g.
As the machine cannot fill every cup with exactly 250.0 g,the content added to individual cups shows some variation, and is considered a random variable X. This variation is assumed to be normally distributed around the desired average of 250 g, with a standard deviation, σ, of 2.5 g.Estas ϵ t{\displaystyle~\epsilon_{t}~} se dividen en una pieza estocástica z z t{\displaystyle z_{t}} y una desviación estándar dependiente del tiempo σ t{\displaystyle\sigma_{t}} caracterizando el tamaño típico de los términos para los que ϵ t σ t z t{\displaystyle~\epsilon_{t}=\sigma_{ t} z_{ t}~}La variable aleatoria z t{\displaystyle z_{t}} es un fuerte proceso de ruido blanco.
These ϵ t{\displaystyle~\epsilon_{t}~} are split into a stochastic piece z t{\displaystyle z_{t}} and a time-dependent standard deviation σ t{\displaystyle\sigma_{t}} characterizing the typical size of the terms so that ϵ t σ t z t{\displaystyle~\epsilon_{ t}=\ sigma_{ t} z_{ t}~}The random variable z t{\displaystyle z_{t}} is a strong white noise process.Si se considera una distribución desconocida F{\displaystyle F}de una variable aleatoria X{\displaystyle X}, puede plantearse el problema de estimar la función de distribución condicional F u{\displaystyle F_{u}} de que la variable X{\displaystyle X} cuando se conoce que su valor está por encima de un cierto umbral u{\displaystyle u.
If we consider an unknown distribution function F{\displaystyle F}of a random variable X{\displaystyle X}, we are interested in estimating the conditional distribution function F u{\displaystyle F_{u}} of the Dentro de la teoría de procesos estocásticos de la teoría de probabilidad y estadística,una'variable estorbo'es una variable aleatoria, que es fundamental para el modelo probabilístico, pero que no es de interés particular en sí misma o que ya no es de interés: un tal uso se plantea en la ecuación de Chapman-Kolmogorov.
In the theory of stochastic processes in probability theory and statistics,La función de densidad de una variable aleatoria con la distribución de Weibull x es: f( x; λ, k){ k λ( x λ) k- 1 e-( x/ λ) k x≥ 0 0 x< 0{\displaystyle f(x;\lambda, k)={\ begin{ cases}{\ frac{k}{\lambda}}\left({\frac{x}{\lambda}}\ right)^{ k-1} e^{-( x/\ lambda)^{k}}&x\geq 0\\0&x 0{\displaystyle k>0} es el parámetro de forma y λ> 0{\displaystyle\lambda>0} es el parámetro de escala de la distribución.
The probability density function of a Weibull random variable is: f( x; λ, k){ k λ( x λ) k- 1 e-( x/ λ) k x≥ 0, 0 x< 0,{\displaystyle f(x;\lambda, k)={\ begin{ cases}{\ frac{k}{\lambda}}\left({\frac{x}{\lambda}}\ right)^{ k-1} e^{-( x/\ lambda)^{k}}&x\geq 0,\\0&x 0 is the shape parameter and λ> 0 is the scale parameter of the distribution.Esto es particularmente común en la teoría de la probabilidad cuando v es la distribución de probabilidad de una variable aleatoria continua X, en cuyo caso∫-∞∞ f( x) d v( x) E.{\displaystyle\int_{-\ infty}^{\ infty} f( x)\, dvdv(x)=\mathrm{ E}.} Ver el artículo integral de Riemann-Stieltjes para mayor información acerca del tratamiento de estos detalles.
This is particularly common in probability theory when v is the cumulative distribution function of a real-valued random variable X, in which case∫-∞∞ f( x) d v( x) E.{\displaystyle\int_{-\ infty}^{\ infty} f( x)\, dvdv(x)=\mathrm{ E}.} See the article on Riemann-Stieltjes integration for more detail on dealing with such cases.Después de una secuencia de inserciones y borrados de llaves,la forma del treap es una variable aleatoria con la misma distribución de probabilidad que un árbol binario de búsqueda aleatorio; en particular, con alta probabilidad, su altura es proporcional al logaritmo del número de llaves, de modo que cada operación de búsqueda, inserción, o borrado toma tiempo logarítmico.
After any sequence of insertions and deletions of keys,the shape of the tree is a random variable with the same probability distribution as a 
