Cтраница 1
Неизвестное значение параметра а найдем из того, что полная производная по времени в силу линейной части системы х Ах должна быть отрицательно-определенной, поскольку по условию задачи линейная часть системы асимптотически устойчива. [1]
Численно задачи оценивания неизвестных значений параметров моделей авторегрессии решаются с помощью стандартного аппарата метода наименьших квадратов ( см. гл. Более сложные проблемы возникают при исследовании статистических свойств получаемых оценок. [2]
Срок службы ламп, изготавливаемых с помощью некоторого технологического процесса, имеет экспоненциальное распределение с неизвестным значением параметра W. Производится случайная выборка ламп с регистрацией срока службы каждой лампы. Покажите, что если мы хотим уменьшить коэффициент вариации апостериорного распределения до 0 1, то следует испытать 96 ламп. [3]
Использование математического описания для изучения процесса в аварийных ситуациях возможно лишь в случае, если найдены неизвестные значения параметров модели: а, Ъ, е, /, К. [4]
Вероятности ошибок первого я второго рода удобно использовать ragn анализе выборочных данных из однородных совокупностей с неизвестным значением параметра. [5]
При классическом подходе необходимо выбирать среди различных возможных правил решения, каждое из которых оптимально для некоторого неизвестного значения параметров. При бейесовском подходе неопределенность переносится в субъективное априорное распределение по некоторой области возможных значений параметров, и после его выбора получается одно правило решения. [6]
Вычислив значение а по фактической выборке, мы задаем вопрос: можно ли высказать какое-либо разумное вероятностное утверждение относительно неизвестного значения параметра а в распределении, из которого извлечена выборка. Этот вопрос будет рассмотрен с двух совершенно различных точек зрения. [7]
Если известен закон распределения оценки или ее дисперсия, то можно указать границы, в которых с большой вероятностью находится неизвестное значение параметра. [8]
Параметрические методы и связанные с ними статистические критерии предполагают известным вид функции распределения генеральной совокуп - ности, и проверка гипотез сводится определению неизвестных значений параметров распределений. [9]
ДОВЕРИТЕЛЬНЫЙ ИНТЕРВАЛ - статистическая оценка параметра вероятностного распределения, имеющая вид интервала, границами к-рого служат функции от результатов наблюдений и к-рып с высокой вероятностью накрывает неизвестное значение параметра. [10]
Задаваясь одним из значений а ЕЛИ b с учетом неравенства ( 194), получаем из ( 196) уравнение с одним неизвестным, корни которого определят искомое неизвестное значение параметра, недостающего для окончательного решения задачи синтеза системы. При этом, конечно, возникнут чисто алгебраические трудности, так как величина р, входящая в выражение Yts содержит а и b под знаком радикала. [11]
Анализ z ( т) позволяет достичь следующие цели обработки сигнала: во-первых, принять решение о наличии ( или отсутствии) полезного сигнала в принятой реализации путем сравнения Z ( T) с пороговым уровнем z0 при всех значениях т на заданном априорном интервале Та и, во-вторых, измерить неизвестное значение TO полезного параметра путем определения точки т, в которой г ( т) достигает глобального максимума на этом интервале. [12]
Формула (1.8.3) позволяет использовать стандартные статистические методы: регрессионный и конфлюэнтный анализ. Так же, как в модели (1.7.2), X, YI считаются точными, но неизвестными значениями параметров. Применение регрессионного и конфлюэнтного анализа оправдано, в том случае, когда величины х, у, распределены по нормальному закону. Обработка данных эксплуатации показывает, что гипотеза о нормальности распределения в большинстве случаев не бывает отвергнута. [13]
В ходе экспериментальных и теоретических исследований процессов кристаллизации устанавливают зависимости коэффициента распределения от самых разнообразных параметров. При этом стремятся к установлению корреляционных зависимостей, позволяющих путем экстраполяции или интерполяции оценивать значения коэффициента распределения для неизвестных значений параметров. Как и термодинамические методы, корреляционные методы оценки позволяют рационально спланировать экспериментальное определение коэффициента распределения и скорректировать его результаты, если они не подчиняются ранее установленным корреляционным зависимостям. [14]
Если известен закон распределения оценки или ее дисперсия, то можно указать пределы, в которых с большой вероятностью находится неизвестное значение параметра. [15]