Gaussin jakauma oor Engels

Gaussin jakauma

Vertalings in die woordeboek Fins - Engels

Gaussian curve

naamwoord

Gaussian distribution

naamwoord

Gaussian shape

naamwoord

bell-shaped curve · normal curve · normal distribution

voorbeelde

Normaalijakauma (toisilta nimiltään Gaussin jakauma tai Gaussin kellokäyrä) on jatkuva todennäköisyysjakauma.
In probability theory, the normal (or Gaussian or Gauss or Laplace–Gauss) distribution is a very common continuous probability distribution.

Jos a > 2, tämä summa suppenee kohti vakaata jakaumaa, jonka vakausparametri on arvoltaan 2, toisin sanoen Gaussin jakaumaa.
If α > 2 then the sum converges to a stable distribution with stability parameter equal to 2, i.e. a Gaussian distribution.

Kirjan myöhempiin painoksiin de Moivre lisäsi vuonna 1733 johtamansa, aiemmin julkaisemattoman tuloksen, jossa binomijakaumaa ensimmäisen kerran approksimoitiin nykyisin normaalijakaumana tai Gaussin käyränä tunnetulla jakaumalla.
In the later editions of his book, de Moivre included his unpublished result of 1733, which is the first statement of an approximation to the binomial distribution in terms of what we now call the normal or Gaussian function.

Jakaumamuodon mallilla voidaan parantaa ennustetarkkuutta silloin, kun vastemuuttuja ei noudata Gaussin jakaumaa.
The distribution shape modelling improves the model further, when the response variable may not be Gaussian.

Normaalijakauma, eli Gaussin jakauma tai Gaussin kellokäyrä, on myös suosittu.
Normal distribution - the bell or Gaussian distribution – is also popular.

Miten on nyt tulkittavissa nämä ellipsoidit – eli kun taas tätä datajakaumaa, tämmöistä Gaussista jakaumaa tulkitaan korkeaulotteisessa avaruudessa, niin sen tulkintahan on tämmöinen ellipsoidi eri projektioissa.
How do I now have to interpret these ellipsoidit -- that while this data distribution, mares Gaussista the distribution is interpreted korkeaulotteisessa in space, so its interpretation is of this sort ellipsoidi different projections.

Sehän perustuu juuri tähän, näihin pääkomponentteihin ja muihin, eli käytännössä voidaan sanoa, että alla oleva virtuaalisen datan jakauma on Gaussista dataa, koska juuri nämä pääkomponentit, ne edustavat Gaussisen datan jakauman parhaalla mahdollisella tavalla.
It is based on just that, to these major and other, more practically, it can be said that the entry for the virtual breakdown of the data is Gaussista data, since it is precisely the Main, they represent Gaussisen data distribution for the best possible way.