Multiple aléatoire variable
Croisillons variables d'aléatoire
1) fonction de distribution cumulative combinée :
FXY (x,y) = le £ X de P{X, le £ y de Y} vous vous notez ce Se X = le F XY ( ¥, ¥)de y=de ¥ = 1
2) fonction de densité cumulative combinée :
La fonction positive est comme toujours le dérivé de la
fonction
de la distribution à l'habituel est une.
3) fonction de distribution marginale :
Elle est obtenue à partir de la fonction de la distribution cumulative combinée saturant un de la variable 2 ceux qui place comme le ¥ un des 2 extrémités, celui-là de x ou le cet du y.
4) la masse de la probabilité combinée :
Elle est employée dans le cas qui X et Y est 2 discret aléatoires variables P{X = x, Y = y } = ikde p .
5) état variable de l'indépendance 2 de X et de Y aléatoires :
Deux X et Y aléatoires variables indique statistiquement le indépendant si les événements {£ de X X} e { le £ de Y sont y indépendant}
6) densité de la probabilité à la symétrie circulaire :
Un f(x de densité de probabilité, y) est dit à la symétrie circulaire s'il dépend seulement de la distance du point X, y de l'origine.
Fonction variable d'un croisillon d'aléatoire
7) fonction variable d'un croisillon d'aléatoire
Il est aléatoire variable qu'il soit obtenu donnant la fonction g comme aléatoire variable d'entrée au X et au Y.
8) valeur prévue d'un croisillon d'aléatoire variable :
9) Covarianza :
Cov(X, Y) = mXY = E{(X - hX) (Y - hY)}
10) coefficient de corrélation :
un tel coefficient est dans un plus petit module de 1, en
particulier il vaut la peine 1 si les points très sont distribués
autour à un droit.
11) scorrelate aléatoire variable :
2 ceux aléatoires variables indiquent le scorrelate ou l'incorrelate si on a E{XY} = E{X}E{Y} =h xh Y, remplaçant dans les définitions respectives que 2 ceux aléatoires variables scorrelate ont le covarianza et le coefficient nuls de corrélation nulle également il.
En bref la variable 2 ceux est scorrelate si elles manquent dans n'importe quelle cravate linéaire.
12) désaccord de scorrelate de la somme de la variable 2 ceux :
13) relation entre l'indépendance et le scorrelationship :
Le indépendant deux aléatoire variable ceux sont également scorrelate mais on ne lui dit pas que 2 ceux aléatoires variables scorrelate sont nécessairement indépendants.
14) directement de régression :
Ébauche d'une droite ayant la portée pour rapprocher
distribution d'une seconde un certain modèle qui comme exemple le
modèle linéaire, le droit de régression de Y sur le è de X :
.
15) parents de moments :
mKr = E{XKYR}
16) fonction caractéristique combinée :
Vous vous notez cela si X et Y est
indépendant aléatoire variable 
17) concernant le théorème la transformation d'un croisillon d'aléatoire variable :
Si Z = g(X, Y) e W = h(X, Y)
18) variable conjointement gaussienne :
Deux ceux aléatoires variables sont conjointement
gaussiens si leur densité combinée vaut la peine 
avec 
et Q(x, y) = c1x2 le ³xy0 de C2c3 y2C 4xc 5y c 6
Distribution conditionnée
19) distribution conditionnée variable d'aléatoire le X :
20) densité conditionnée de 2 ceux aléatoires variables :
21) valeur prévue conditionnée :
22) principe d'ortogonalità :
L'erreur et = Y - j(x) est orthogonal à un q(x) générique de fonction
Théorie de la fiabilité
23) la vie d'un système :
C'est l'intervalle temporel qui va du moment de l'activation du même système jusque 2'au moment l'où en panne ce donc FX(t) est la probabilité en panne cette le système avant le moment t.
24) fiabilité du système :
R(t) = 1 - FX(t) = P{X > t} donc R(t) est la probabilité cette les fonctions de système au moment t.
25) MOYENNE DES TEMPS DE BON FONCTIONNEMENT :
C'est le temps moyen entre les échecs, coïncide avec le
milieu l de valor de la
vie X
26) fréquence conditionnée des pannes b(t) :
27) qui sont les cours possibles de b(t) :
) à la constante
b) avec le infantile de mortalité on le résout avec la brûlure concernant les membres simples
c) avec l'usure ou l'invecchiamento est résolu avec l'entretien programmé
d) dans la baignoire du de bagno c'est la somme des effets de la mortalité et de l'usure infantiles
Ordres variables d'aléatoire
28) distribution combinée d'aléatoire variable de N :
F(x1 ...., xN) = £X 1 de P{X1 ....., X£ X Nde N }
à partir de lui ils peuvent être obtenus la densité combinée de quelque variable qui remplace le ¥ dans restant.
29) Matrix de covarianza :
Ébauche d'une matrice symétrique ayant dans chaque ligne d'intersection - colonne le covarianza de variable le respectif.
30) mesure de la probabilité gaussienne sur l'espace dimensionnel " nde N :
C'est la mesure que l'exponentiel d'une forme quadratique admet comme la fonction de densité.
31) la densité multivaried du indépendant aléatoire variable de n :
La densité est indiquée simplement du produit du N gaussien.
32) porteur aléatoire gaussien :
Ébauche de ce porteur aléatoire pour laquelle n'importe quelle combinaison linéaire V de ses membres est un gaussien aléatoire variable, pour le chaque choisi des coefficients.
Champion aléatoire
33) champion aléatoire :
Ils sont les aléatoires variable de N construits au congé d'aléatoire variable le X.
34) moyenne de champion :
Ébauche de l'aritmetica moyen 
Le théorème de la limite les centre
35) formulation typique :
Les dates aléatoires indépendantes de la variable N, le théorème des centres de limite les affirme que la distribution de leur somme approche une distribution normale de la croissance de N. Si la variable l'aléatoire sont continue puis la densité de leur somme rapprochez une densité normale.
36) formulation classique :
Dates aléatoires indépendantes de N variables et
identiquement distribuées, avec le milieu h de valor et le désaccord finis 2, à l'étirage de N au ¥ variable l'un bout droit 
aléatoire à une norme gaussienne N(0,1).
37) formulation en termes de convoluzione :
Le convoluzione d'un grand nombre de fonctions positives est approximativement une courbe normale
Convergence
38) processus de stocastico :
L'ordre infini de X aléatoire variable est un1 , X2 ...., XN .
39) de convergence ovunque presque :
De la variable l'aléatoire qu'ils indiquent pour converger presque ovunque si toute la limitede Xn (x) existe pour s'avère à vous quelle probabilité de nulle de démuni.
40) convergence quadratique à la moyenne :
On dit que l'ordre aléatoireX N converge dans l'équation quadratique moyenne à c
si 
41) convergence dans la probabilité :
On dit que l'ordre aléatoireX N converge dans la probabilité à c si 
chaque pour et > 0.
42) convergence dans la distribution :
L'ordre aléatoire XN indique pour converger dans la distribution si lesdites
distributionsvariablesde x}le
de £ de Fn (x) = de P{X n de les aléatoires a 
.
43) relation entre les convergences :
Le Se que un ordre converge dans le quadratique moyen converge dans le de probabilité converge dans la distribution.