ポアソン分布造句

造句与例句手机版

ここでは回線容量の平均の１０％を期待値とするポアソン分布を用いた．
在这里，将所利用的泊松分布的期待值设为电路容量的平均值的１０％。
したがって，その要求発生の確率分布はポアソン分布に従う．
因此，该要求发生的概率分布符合泊松分布。
取り上げた分布関数は，正規分布，ポアソン分布，指数分布，および相対頻度分布である
所采用的分布函数为正规分布、伯松分布、指数分布以及相对频度分布。
不特定多数の利用者からのリクエストがランダムに生起するモデルとして，ポアソン分布を仮定した．
作为随机产生来自不特定多数用户请求的模型，假定了伯松分布
ユーザ数は１００，呼の発生頻度はポアソン分布に従い，メッセージ長は一様分布に従っている．
用户数为１００，呼叫的发生频率符合泊松分布，信息长度呈均匀分布。
最もノード数が多いのは次数２であり，極端に次数の大きいノードは存在しないポアソン分布を示している．
呈现出次数为２的节点数最多，没有次数极端大的节点的伯松分布。
シミュレータはポアソン分布に従ったリクエスト到着間隔でセッション開始のリクエストを発生させる．
模拟装置使用根据伯松分布的要求到达间隔来促使对话开始要求的发生。
エラー発生装置には，遅延５０ｍｓｅｃ，ＩＰパケットロス発生率はポアソン分布で５％を指定した．
错误发生装置中延迟５０ｍｓｅｃ、ＩＰ数据信息损失发生率由泊松分布指定了５％。
支払件数はポアソン分布や負の二項分布で近似され，標準の統計解析手法を利用して推定することができる．
支付件数近似于泊松分布或负的二项式分布，所以可以利用标准统计分析法来计算。
移動体宛の通信は各ルータにおいて，ＣＭ　ＦＲＱを平均とするポアソン分布に従う頻度で発生する．
移动体目的地的通信在各路由器中，是按照将ＣＭ　ＦＲＱ平均的泊松分布的频度发生的。
用ポアソン分布造句挺难的，這是一个万能造句的方法
各移動体が，単位時間ごとに生成するパケットの個数を，平均ＣＯＭのポアソン分布に基づいて決定した．
各个移动物体势，将单位时间内生成的信息包的个数，以平均ＣＯＭ的泊松分布为基础进行了决定。
なお，クライアントは，ポアソン分布等の評価条件に応じた確率分布でサービス要求を発生するモデルであるので，ここでは詳述しない．
由于客户端是（一种）根据伯松分布等评测条件使用概率分配发生的服务要求模型，在此并不详细论述。
各ユーザが，独立に，平均確率ｑで検証要求を発生するとすると，ＯＣＳＰの検証要求の到着は平均到着率λ＝ｎｑのポアソン分布となる．
每个用户独立，以平均概率ｑ发出验证要求，那么ＯＣＳＰ验证要求的到达是平均到达率λ＝ｎｑ的泊松分布。
ただし，欠陥は画像１枚につきたかだか１個しか含まれず，２値化後の拾いすぎ成分数は平均値λｂｉｎのポアソン分布に従うと仮定している．
但是，我们假定缺陷是每１个图像上至多只包含１个；二值化后的拾捡过剩成分数，是按照平均值λｂｉｎ的泊松分布来设定的。
ｒｉｄｆは＠ｅｑｕａｔｉｏｎ＿０＠．＠ｅｑｕａｔｉｏｎ＿１＠：平均（＝分散）λのポアソン分布ｃｆｉ：単語ｗｉの総頻度で与えられる．
ｒｉｄｆ通过下式被给予＠ｅｑｕａｔｉｏｎ＿０＠．　＠ｅｑｕａｔｉｏｎ＿１＠：平均（＝分散）λ的泊松分布ｃｆｉ：单词ｗｉ的总出现率。
文献２）では，ｉｄｆと語の出現頻度の関係を分析し，語のｉｄｆの値が，ポアソン分布による語の生起過程のモデル化と実際の観察結果との間のずれの指標になっていることを示している．
文献２）中分析ｉｄｆ和词语出现频率的关系，词语ｉｄｆ值表示根据泊松分布的词语产生过程模型化和实际观察结果间的偏离指标。
シミュレーションでは呼の発生がポアソン分布に従っていたが，ＬＡＮ上でのトラフィックは自己相似性と呼ばれるまったく異なる性質を持っているとの報告が１９９３年Ｌｅｌａｎｄらにより報告されている１１）．
在模拟分析中，呼叫的出现按泊松分布，但１９９３年Ｌｅｌａｎｄ等提出了ＬＡＮ上的通信具有称为自身相似性这种完全不同特性的报告。
従来のトラフィックをポアソン分布と対応づける手法１）や，ＬＡＮトラフィックの自己相似的な現象を評価する手法３）においては，手法自身が持つ平均化操作により特徴的なデータを見逃す場合があると考えられる。
对于评价以前的泊松分布通信和建立对应的方法１），以及ＬＡＮ通信量的自相似性的现象，根据方法自身具有的平均化操作，认为有漏掉特征节点的情况。
Ｘ線量子は，ポアソン分布に従う信号依存性ノイズ源である１２）ため，撮影されたＸ線像ｇ（ｘ，　ｙ，　ｔ）は，被検体の情報であるＸ線分布の信号成分ＸＳ（ｘ，　ｙ，　ｔ）の大きさにより量の異なる量子ノイズＸＮ（σ）を含む．
Ｘ射线量子是遵循泊松分布的信号依存性噪声源１２），因此，拍摄下来的Ｘ射线图像ｇ（ｘ，　ｙ，　ｔ）包含了Ｘ射线分布的信号成分ＸＳ（ｘ，　ｙ，　ｔ）的大小引起的不同量的量子噪音ＸＮ（σ）等被检测体的信息。
ネットワークが混雑して呼損が頻繁に生じていたり，長いデータを受信するユーザがいたりするときには，次に発生するはずのユーザが存在しない現象が起こりポアソン分布に従わない可能性が生じるが，ポアソン分布はモデルの一例であり，本シミュレーションモデルが実情に合ったものとして考えている．
在网络拥挤呼损频繁发生或存在接收长数据的用户时，会发生接下来理应出现的用户不存在的现象，从而产生不按泊松分布的可能性，但泊松分布是模型的一个例子，本模拟分析认为其符合实际情况。