ზუსტი დამთხვევა
ორიგინალის ენა
ქვეკორპუსები
ჯგუფები
კრებულები
ტიპები
ჟანრები
დარგები
გამომცემლობები
ავტორები
მთარგმნელები
გამოცემულია
წლიდან
წლამდე
თარგმნილია
წლიდან
წლამდე
წინა შემდეგი
1.
საქართველოს მეცნიერებათა აკადემიის მოამბე | ტომი 93, მათემატიკა
A constructive evaluation method of prognosis and its mean square error for a stationary random sequence is given.
მოცემულია სტაციონარული შემთხვევითი მიმდევრობის პროგნოზისა და მისი საშუალო კვადრატული ცდომილების გამოთვლის კონსტრუქციული მეთოდი.
2.
საქართველოს მეცნიერებათა აკადემიის მოამბე | ტომი 97, მათემატიკა
In ref. [1, 2] a method of linear prognosis for a stationary random sequence has been discussed.
[1,2] შრომებში განხილულია სტაციონარული შემთხვევითი მიმდევრობის წრფივი პროგნოზირების ერთი მეთოდი.
3.
საქართველოს მეცნიერებათა აკადემიის მოამბე | ტომი 102, მათემატიკა
On the basis of the general results obtained in [1] and [2], the author presents a numerical method for numerical modelling of a stationary Gaussian random sequence with a continuous spectrum, the information about the process being given as statistical data.
[1] და [2] შრომებში მიღებული საერთო შედეგების საფუძველზე წინამდებარე სტატიაში ნაჩვენებია უწყვეტი სპექტრის მქონე ნამდვილი სტაციონარული გაუსის შემთხვევითი მიმდევრობის რიცხვითი მოდელირების მეთოდი, როდესაც პროცესის შესახებ ინფორმაცია მოცემულია სტატისტიკური მასალის სახით.
4.
ბიოინფორმატიკის საფუძვლები | თავი 6
This is typical for a random sequence, in which every residue occurs with an equal frequency.
ეს ტიპურია შემთხვევითი თანმიმდევრობებისთვის, რომლებშიც ყოველი ნაშთი ერთნაირი სიხშირით ჩნდება.
5.
ბიოინფორმატიკის საფუძვლები | თავი 6
For example, in a protein-coding sequence, the frequency of unique trimers should be different from that in a noncoding or random sequence.
მაგალითად, ცილის მაკოდირებელ თანმიმდევრობაში უნიკალური ტრიმერების სიხშირე უნდა განსხვავდებოდეს არამაკოდირებელ ან შემთხვევით თანმიმდევრობაში იგივე სიხშირისგან.
6.
ბიოინფორმატიკის საფუძვლები | თავი 9
This simple approach, however, often has difficulty differentiating true promoters from random sequence matches and generates high rates of false positives as a result.
ლოგარითმული მოსალოდნელობის მაჩვენებლები შემდეგ სტატისტიკური სარწმუნოობისთვის გამოითვლება.
წინა შემდეგი