Понятия со словосочетанием «плотность распределения»
Связанные понятия
Многоме́рное норма́льное распределе́ние (или многоме́рное га́уссовское распределе́ние) в теории вероятностей — это обобщение одномерного нормального распределения. Случайный вектор, имеющий многомерное нормальное распределение, называется гауссовским вектором.
Ковариа́ция (корреляционный момент, ковариационный момент) — в теории вероятностей и математической статистике мера линейной зависимости двух случайных величин.
Количество степеней свободы — это количество значений в итоговом вычислении статистики, способных варьироваться. Иными словами, количество степеней свободы показывает размерность вектора из случайных величин, количество «свободных» величин, необходимых для того, чтобы полностью определить вектор.
Коэффицие́нт асимметри́и в теории вероятностей — величина, характеризующая асимметрию распределения данной случайной величины.
Функция концентрации (англ. concentration function) в теории вероятностей — одна из характеристик случайной величины. Функции концентрации используются в ряде задач теории вероятностей, в частности, при исследовании свойств свёрток распределений и предельных свойств сумм независимых случайных величин.
Коэффицие́нт сдви́га — это параметр вероятностного распределения, имеющий специальный вид. Физически конкретное значение данного параметра может быть связано с выбором точки отсчёта шкалы измерения.
Логарифмическое распределение в теории вероятностей — класс дискретных распределений. Логарифмическое распределение используется в различных приложениях, включая математическую генетику и физику.
Кванти́ли распределе́ния хи-квадра́т — числовые характеристики, широко используемые в задачах математической статистики таких как построение доверительных интервалов, проверка статистических гипотез и непараметрическое оценивание.
Ме́тод обра́тного преобразова́ния (Преобразование Н. В. Смирнова) — способ генерации случайных величин с заданной функцией распределения, путём модификации работы генератора равномерно распределённых чисел.
Усло́вное распределе́ние в теории вероятностей — это распределение случайной величины при условии, что другая случайная величина принимает определённое значение.
Ковариацио́нная ма́трица (или ма́трица ковариа́ций) в теории вероятностей — это матрица, составленная из попарных ковариаций элементов одного или двух случайных векторов.
Коэффицие́нт масшта́ба — это параметр вероятностного распределения. Физически конкретное значение данного параметра может быть связано с выбором шкалы измерения.
Фу́нкция распределе́ния в теории вероятностей — функция, характеризующая распределение случайной величины или случайного вектора; вероятность того, что случайная величина X примет значение, меньшее или равное х, где х — произвольное действительное число. При соблюдении известных условий (см. ниже) полностью определяет случайную величину.
В теории вероятностей случайная величина имеет дискретное равномерное распределение, если она принимает конечное число значений с равными вероятностями.
Подробнее: Дискретное равномерное распределение
Стохастическая аппроксимация — рекуррентный метод построения состоятельной последовательности оценок решений уравнений регрессии и экстремумов функций регрессии в задачах непараметрического оценивания. В биологии, химии, медицине используется для анализа результатов опытов. В теории автоматического управления применяется как средство решения задач распознавания, идентификации, обучения и адаптации.
Эта статья о физическом понятии. О более общем значении термина, см. статью СкалярСкалярная величина (от лат. scalaris — ступенчатый) в физике — величина, каждое значение которой может быть выражено одним действительным числом. То есть скалярная величина определяется только значением, в отличие от вектора, который кроме значения имеет направление. К скалярным величинам относятся длина, площадь, время, температура и т. д.Скалярная величина, или скаляр согласно математическому энциклопедическому словарю...
Подробнее: Скалярная величина
Скорость сходимости является основной характеристикой численных методов решения уравнений и оптимизации.
Характеристи́ческая фу́нкция случа́йной величины́ — один из способов задания распределения. Характеристические функции могут быть удобнее в тех случаях, когда, например, плотность или функция распределения имеют очень сложный вид. Также характеристические функции являются удобным инструментом для изучения вопросов слабой сходимости (сходимости по распределению). В теорию характеристических функций внесли большой вклад Ю.В. Линник, И.В. Островский, С.Р. Рао, Б. Рамачандран.
В статистической термодинамике энтропия Цаллиса — обобщение стандартной энтропии Больцмана—Гиббса, предложенное Константино Цаллисом (Constantino Tsallis) в 1988 г. для случая неэкстенсивных (неаддитивных) систем. Его гипотеза базируется на предположении, что сильное взаимодействие в термодинамически аномальной системе приводит к новым степеням свободы, к совершенно иной статистической физике небольцмановского типа.
Гистогра́мма в математической статистике — это функция, приближающая плотность вероятности некоторого распределения, построенная на основе выборки из него.
Бесконе́чно дели́мое распределе́ние в теории вероятностей — распределение случайной величины такой, что она может быть представлена в виде произвольного количества независимых, одинаково распределённых слагаемых.
Полунепреры́вность в математическом анализе — это свойство функции более слабое, чем непрерывность. Функция полунепрерывна снизу в точке, если значения функции в близких точках не сильно меньше значения функции в ней. Функция полунепрерывна сверху в точке, если значения функции в близких точках не сильно превышают значения функции в ней.
Подробнее: Полунепрерывная функция
Теорема о разностях — теорема, связывающая понятия производной и прямой конечной разности высших порядков для степенной функции натурального показателя степени.
Информационное неравенство (математическая статистика) — неравенство для несмещённой оценки с локально минимальной дисперсией, задающее нижнюю границу для величины дисперсии этой оценки. Играет важную роль в теории асимптотически эффективных оценок.
Сходи́мость по ме́ре (по вероя́тности) в функциональном анализе, теории вероятностей и смежных дисциплинах — это вид сходимости измеримых функций (случайных величин), заданных на пространстве с мерой (вероятностном пространстве).
Теорема об огибающей (англ. envelope theorem) — результат о дифференцируемости целевой функции в оптимизационных задачах с параметром. Теорема гласит, что при варьировании значения параметра, изменение целевой функции (в определённом смысле) не обусловлено изменением оптимума. Теорема важна для сравнительной статики в оптимизационных моделях.
Слабая сходимость в функциональном анализе — вид сходимости в топологических векторных пространствах.
Ниже приведён
список интегралов (первообразных функций) от экспоненциальной функции. В списке везде опущена константа интегрирования.
В статистике метод оценки с помощью апостериорного максимума (MAP) тесно связан с методом максимального правдоподобия (ML), но дополнительно при оптимизации использует априорное распределение величины, которую оценивает.
Подробнее: Оценка апостериорного максимума
Случайное блуждание — математическая модель процесса случайных изменений — шагов в дискретные моменты времени. При этом предполагается, что изменение на каждом шаге не зависит от предыдущих и от времени. В силу простоты анализа эта модель часто используется в разных сферах в математике, экономике, физике, но, как правило, такая модель является существенным упрощением реального процесса.
Обобщённое гиперболическое распределение это непрерывное вероятностное распределение, определяемое как нормальная смесь дисперсии-среднего со смешивающей плотностью обобщённого обратного Гауссова распределения.
Корневой годограф — в теории управления траектория, описываемая на комплексной плоскости полюсами передаточной функции динамической системы при изменении одного из её параметров. Обычно изменяемым параметром является коэффициент усиления системы. Корневые годографы широко применяются в анализе и синтезе линейных SISO-систем.
Важнейшими с точки зрения приложений характеристических функций к выводу асимптотических формул теории вероятностей являются две предельные теоремы — прямая и обратная. Эти теоремы устанавливают, что соответствие, существующее между функциями распределения и характеристическими функциями, не только взаимно однозначно, но и непрерывно.
Подробнее: Прямая и обратная предельная теорема
Равноме́рная непреры́вность в математическом и функциональном анализе — это свойство функции быть одинаково непрерывной во всех точках области определения.
Интеграл Лебе́га — это обобщение интеграла Римана на более широкий класс функций.
'
Обобщённое нормальное (обобщённое гауссовское) распределение' есть одно из двух параметрических семейств абсолютно непрерывных вероятностных распределений на действительной прямой. Два подхода к определению данного семейства распределений обозначаются далее как «подход 1» и «подход 2». Однако данные наименования не являются общепринятыми.
Неравенство Берри — Эссеена — неравенство, позволяющее оценить скорость сходимости суммы независимых случайных величин к случайной величине с нормальным распределением. Сам факт подобной сходимости носит в теории вероятностей название центральной предельной теоремы. Это неравенство было независимо выведено Эндрю Берри в 1941 и Карлом-Густавом Эссееном в 1942 годах.
Гауссовский процесс назван так в честь Карла Фридриха Гаусса, поскольку в его основе лежит понятие гауссовского распределения (нормального распределения). Гауссовский процесс может рассматриваться как бесконечномерное обобщение многомерных нормальных распределений. Эти процессы применяются в статистическом моделировании; в частности используются свойства нормальности. Например, если случайный процесс моделируется как гауссовский, то распределения различных производных величин, такие как среднее значение...
В квантовой механике,
ток вероятности (или поток вероятности) описывает изменение функции плотности вероятности.