Биномиальный закон распределения вероятности

Бином Ньютона 74 — 76 Биномиальные ряды 152 Биномиальный закон распределения вероятности 323 [c.567]

Биномиальные ряды 152 Биномиальный закон распределения вероятности 323 Биномиальный коэффициент — Вычисление 74 [c.547]

Допустим, имеется эд 1м уровень ограничения, шум стационарный, выборочные значения реализации статистически независимы (всего N выборочных значений), средняя интенсивность полезных сигналов, соответствующих различным выборочным значениям, одна и та же. Обозначим ki — число превышений уровня ограничения ki — число непревышений уровня ограничения. Тогда вероятности реализации наблюдаемой совокупности величин ki, k . соответственно при наличии и при отсутствии полезного сигнала будут определяться биномиальным законом распределения вероятностей [c.77]

Эффективность. Вероятность того, что из N выборок в k выборках будет превышение уровня ограничения, определяется биномиальным законом распределения вероятностей. Соответственно при наличии и отсутствии сигнала [c.78]

Как указывается в i[30] погрешность приближенных формул (2.43) и (2.44), обусловленную заменой биномиального закона распределения вероятностей нормальным законом, можно уменьшить, если в этих формулах числители выражений, стоящих под знаком интеграла вероятности, уменьшить на 0,5 (см. также [15]). [c.81]

Бинарные установки ртутно-водяные — Схема 2 — 95 Бинарные циклы паросиловых установок 2 — 95 Бинокли — Объективы 2 — 240 Бином Ньютона 1—74—76 Биномиальные ряды I — 152 Биномиальный закон распределения вероятности I — 323 Биномиальный коэффициент 1 — 74, 75, 80 [c.400]

Для каждого из ядер некоторой совокупности тождественных ядер имеется определенная (одинаковая для всех ядер) вероятность X распада в единицу времени. Биномиальный закон распределения вероятностей дает для среднего числа dN ядер, распадающихся за время dt, выражение [c.159]

Биномиальный закон распределения встречается з задаче о вероятности сложного события при повторных испытаниях над простым событием с постоянной вероятностью р в каждом отдельном испытании. [c.323]

Это есть вероятность того, что из N независимых испытаний событие, нас интересующее, наступит п раз. Полученное выражение носит название биномиального закона распределения, так как [c.198]

Вероятность д. появления k отказов при испытаниях выборки из N элементов характеризуется биномиальным законом распределения по величине k [c.70]

Вероятность появления к отказов при испытаниях выборки из N элементов определяется биномиальным законом распределения, вне зависимости от вида закона распределения элементов по срокам службы. Степень достоверности экспериментальных значений Р (О характеризуется доверительными границами при заданной доверительной вероятности а. [c.74]

Таким образом, задается, например, биномиальный закон распределения случайной величины (если вероятности вычислены ио формуле Бернулли) [c.589]

Считая, что отказы блоков являются независимыми событиями, можно к указанным гипотезам применить частную теорему о повторении опытов. Вероятности гипотез подчиняются биномиальному закону распределения [c.343]

Планирование испытаний методом фиксированного объема при показателе оценки вероятности безотказной работы или вероятности отказа, распределенной по биномиальному закону или по закону Пуассона. Если вероятность появления отказов в выборке объема и постоянна и равна д, то вероятность соответствия уровня надежности по результатам п испытаний определяется по биномиальному закону. Данный закон справедлив при соблюдении условия и > О, 1JV и если п > 20, где N - возможный объем испытаний (генеральная совокупность наблюдений или партия изделий). Тогда вероятность соответствия уровня надежности определяется из соотношения [c.267]

Каждое из состояний канала характеризуется определенной вероятностью ошибки символа pt , при этом, согласно принятой модели, распределения ошибок для каждого состояния взаимно независимы и подчиняются биномиальному закону. Следовательно, [c.278]

Биномиальный закон распределения встречается в задачах о повторении испытаний с неизменной вероятностью р в каждом отдельном испытании (см. выше стр. 288J. Область значений целые положительные числа от О до п, т. е. л",- = О, 1, 2,. .., /г. [c.295]

Закон распределения вероятностей при многократных испытаниях. Предельный закон Муавра — Лапласа. Рассмотренное выше биномиальное распределение вероятностей пригодно для решения задач при сравнительно небольшом числе испытаний (п = 20). С увеличением п вероятности отдельных значений числа появлений события уменьшаются и при большом п становятся ничтожно малыми. Это связано с тем, что число членов биномиального распределения равно п + 1, а сумма его членов равна единице, [c.135]

Необходимо учитывать, что наиболее неблагоприятным является тот случай, когда малым значениям параметра из ряда Х, Х2, Хп соответствуют наибольшие вероятности в рамках указанного выше индивидуального оценивания. Обозначив через Я - такую случайную величину, реализацией которой служит относительная частота Л/, получим величину kj = h V поД" чиняющуюся биномиальному закону распределения В к , V, р ) с параметрами V и р -. Согласно этому закону из уравнения В кх, V, Р1) = 1—г—а, где = получим сначала для вероятности р1 индивидуальную оценку полуинтервала [О, р1] с учетом допуска на ошибку оценивания 8 = 1—а. Значение р можно взять из таблицы биномиального закона распределения (см., например, [21]), Кроме того, справедливо выражение [c.70]

Таким образом, мы огиределили математическое ожидание MS (х) и дисперсию DS (х) случайной величины 5(л ), Распределение вероятностей этой случайной величины подчиняется биномиальному закону, т. к. во всех ячейках одновременно производятся неза.висимые испытания, в каждом из которых помеха может превысить пороговый уровень илн не превысить. Вероятность появления события, заключающегося в превышении помехой порогового уровня, постоянна для всех ячеек и равна (1—F x)). Распределение вероятностей дискретной случайной величины 5(л ) дается с помощью формулы Берму1лли [c.22]

Закон распределения случайной величины, закон надежности — аналитическое соотношение, устанавливающее связь между значениями случайной величины (наработка, время восстановления и др.) и их вероятностями. Оценка функций надежности статистическими методами требует проведения испытаний, больших по объехму и длительных по срокам, что не всегда осуществимо. Поэтому получаемая статистическая информация о надежности характеризует ее лишь в пределах данного объема и времени испытаний. Ее ценность существенно возрастает, если известен вид функции надежности для данного объекта или подобного ему, которая в наибольшей мере согласуется с опытным распределением случайной величины. В теории надежности наибольшее распространение получили следующие законы распределения для дискретных случайных величин — биномиальный и Пуассона для непрерывных случайных величин — экспоненциальный, нормальный, Вейбулла, а также гамма-, и логариф-мически-нормальное распределения. Распределение времени восстановления и долговечности кранов и их элементов, как правило, описываются законами экспоненциальным, нормальным и Вейбулла [8]. [c.17]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...