γ = 1 equals 1.010836, which means

γ = 1 equals 1.010836, which means that the relative error of this value is approx. 1.08%. We estimated the parameter in
question with greater accuracy both for the right and left fixed point by using only a part of the data.
The codes of programs that calculate the experimental values of the ρ function are presented in the appendices.
562 R. Jankowski et al. / Physica A 416 (2014) 558–563
Fig. 2. The part of the graph of theoretical (continuous line) and experimental (points) left intensity function ρ(b), b ∈ [0, 1].
5. Conclusion
In this paper we analysed a new method of estimating a distribution parameter by using the function of information
processing intensity as well as its property, i.e. a maximum at the fixed point. Theorem 1 also has other interesting
applications [5–9].
What is characteristic of the method we have presented is that when calculating the function of information processing
intensity (both on the left and on the right), only those values which meet the condition specified by the cut-off parameter
are used. Therefore, only a part of the available data influences the final result.
The presented method of parameter estimation based on the intensity of the random variable intercept resembles,
because of the extreme properties of the fixed point, a popular approach to this problem, such as the maximum likelihood
estimate or the Bayesian most probable estimate. However, in contrast to those method its interpretation does not require
direct calls to the typical (most probable) measurement situation. Here we are dealing with the most favourable cutting of
the distribution and not the most probable statistical hypothesis.

ผลลัพธ์ (ไทย) 1:

Γ = 1 เท่ากับ 1.010836 ซึ่งหมายความ ว่า ข้อผิดพลาดสัมพัทธ์ของค่านี้ประมาณ 1.08% เราประมาณพารามิเตอร์ในคำถาม มีมากกว่าความแม่นยำทั้งขวา และซ้ายถาวรจุดโดยเฉพาะส่วนของข้อมูลรหัสของโปรแกรมที่คำนวณค่าของฟังก์ชันρทดลองจะแสดง appendices562 R. Jankowski et al. / Physica ที่ 416 (2014) 558-563Fig. 2 ส่วนของกราฟของทฤษฎี (บรรทัดต่อเนื่อง) และทดลอง (คะแนน) ความเข้มซ้ายฟังก์ชัน ρ(b), b ∈ [0, 1]5. บทสรุปในเอกสารนี้ เรา analysed วิธีการประมาณพารามิเตอร์การกระจายโดยใช้ฟังก์ชันข้อมูลใหม่ประมวลผลความเข้มเช่นเดียวกับคุณสมบัติ เช่นสูงสุดที่จุดคงที่ ทฤษฎีบทที่ 1 นอกจากนี้ยังมีอื่น ๆ ที่น่าสนใจแอพลิเคชัน [5-9]ลักษณะของวิธีการเราได้นำเสนอคืออะไรคือเมื่อคำนวณฟังก์ชันการประมวลผลข้อมูลความเข้ม (ทั้ง ด้านซ้าย และ ด้านขวา), เฉพาะค่าที่ตรงกับเงื่อนไขที่ระบุ โดยพารามิเตอร์ตัดใช้ ดังนั้น เฉพาะบางส่วนของข้อมูลมีมีผลต่อผลลัพธ์สุดท้ายนำเสนอวิธีการประมาณพารามิเตอร์ตามความเข้มของจุดตัดแกนตัวแปรสุ่มมีลักษณะเนื่องจากคุณสมบัติของจุดถาวร วิธีนิยมปัญหานี้ เช่นความเป็นไปได้สูงมากประเมินหรือการประเมินมากที่สุดน่าเป็นทฤษฎี อย่างไรก็ตาม ตรงข้ามวิธีที่ ตีความไม่จำเป็นต้องโทรโดยตรงเพื่อประเมินสถานการณ์ (ดำรงสุด) ทั่วไป นี่เรากำลังเผชิญกับการตัดที่ดีที่สุดของการกระจายและไม่สุดน่าเป็นสถิติสมมติฐาน

ผลลัพธ์ (ไทย) 2:

γ = 1 เท่ากับ 1.010836 ซึ่งหมายความว่าความผิดพลาดของค่านี้ประมาณ 1.08% เราประมาณพารามิเตอร์ใน
คำถามที่มีความแม่นยำมากขึ้นทั้งด้านขวาและจุดคงซ้ายโดยใช้เพียงส่วนหนึ่งของข้อมูล.
รหัสของโปรแกรมที่คำนวณค่าการทดลองการทำงานของρถูกนำเสนอในภาคผนวก.
562 อาร์เอ Jankowski อัล / Physica 416 (2014) 558-563
รูป 2. ส่วนหนึ่งของกราฟของทฤษฎี (สายต่อเนื่อง) และการทดลอง (คะแนน) ฟังก์ชั่นที่เหลือเข้มρ (ข) ข∈ [0, 1].
5 สรุป
ในบทความนี้เราวิเคราะห์วิธีการใหม่ของการประมาณค่าพารามิเตอร์การกระจายโดยใช้ฟังก์ชั่นของข้อมูล
ความเข้มในการประมวลผลเช่นเดียวกับทรัพย์สินคือสูงสุดที่จุดคงที่ ทฤษฎีบท 1 นอกจากนี้ยังมีที่น่าสนใจอื่น ๆ
การใช้งาน [5-9].
สิ่งที่เป็นลักษณะของวิธีการที่เราได้นำเสนอก็คือว่าเมื่อคำนวณการทำงานของการประมวลผลข้อมูล
ความเข้ม (ทั้งด้านซ้ายและด้านขวา) เพียงค่าเหล่านั้นที่ตอบสนองเงื่อนไข ระบุโดยพารามิเตอร์ตัด
ถูกนำมาใช้ ดังนั้นเพียงส่วนหนึ่งของข้อมูลที่มีอิทธิพลต่อผลสุดท้าย.
นำเสนอวิธีการของการประมาณค่าพารามิเตอร์ขึ้นอยู่กับความรุนแรงของการตัดตัวแปรสุ่มคล้าย,
เพราะคุณสมบัติมากจากจุดคงเป็นวิธีที่นิยมในการแก้ไขปัญหานี้เช่น ความน่าจะเป็นสูงสุด
ประมาณการหรือคชกรรมประมาณการน่าจะเป็นที่สุด แต่ในทางตรงกันข้ามกับวิธีการเหล่านั้นตีความไม่จำเป็นต้อง
โทรโดยตรงไปยังทั่วไป (น่าจะเป็นที่สุด) สถานการณ์การวัด ที่นี่เราจะจัดการกับการตัดที่ดีที่สุดของ
การกระจายและไม่สมมติฐานทางสถิติที่น่าจะเป็นที่สุด

ผลลัพธ์ (ไทย) 3:

γ = 1 เท่ากับ 1.010836 ซึ่งหมายความว่าความคลาดเคลื่อนสัมพัทธ์ของค่าประมาณ 1.08 % เราประมาณค่า
ถามด้วยความถูกต้องมากขึ้นทั้งด้านขวาและซ้ายจุดคงที่โดยใช้เพียงส่วนหนึ่งของข้อมูล .
รหัสของโปรแกรมที่คำนวณค่าของฟังก์ชันρทดลองนำเสนอเอกสารประกอบ .
แต่อาร์เยิงคอฟสกี้ et al . / physica เป็น 416 ( 2014 ) หรือ ( 563
รูปที่ 2 ส่วนของกราฟเชิงทฤษฎี ( บรรทัดต่อเนื่อง ) และกลุ่มทดลอง ( จุด ) ฟังก์ชันความหนาแน่นซ้ายρ ( B ) B ∈ [ 0 , 1 ] .
5 สรุป
ในบทความนี้เราได้วิเคราะห์วิธีการใหม่ของการประมาณค่าโดยใช้ฟังก์ชันการกระจายของความเข้มของการประมวลผลข้อมูล
เป็นคุณสมบัติของมัน คือ สูงสุดที่กำหนดจุด ทฤษฎีบทที่ 1 ยังมี
ที่น่าสนใจอื่น ๆการใช้งาน [ 5 – 9 ] .
อะไรคือลักษณะของวิธีการที่เราได้นำเสนอว่า เมื่อคำนวณฟังก์ชันของความเข้มของ
ข้อมูล ( ทั้งในด้านซ้ายและด้านขวา ) เท่านั้นที่คุณค่าที่ตอบสนองเงื่อนไขที่ระบุโดยพารามิเตอร์
ตัดใช้ ดังนั้น , เพียงส่วนหนึ่งของข้อมูลที่สามารถมีอิทธิพลต่อผลลัพธ์สุดท้าย
เสนอวิธีการประมาณค่าพารามิเตอร์ตามความเข้มของตัวแปรสุ่มสกัดกั้นคล้าย
เนื่องจากคุณสมบัติที่รุนแรงของจุดคงที่ เป็นวิธีการที่นิยมในปัญหานี้ เช่น ความเป็นไปได้สูงสุด
ประมาณหรือประมาณการน่าจะเป็นเบ . อย่างไรก็ตาม ในทางตรงกันข้ามกับแบบตีความไม่ต้อง
เรียกโดยทั่วไป ( ที่น่าจะเป็น ) สถานการณ์การวัด ที่นี่เราจะจัดการกับการตัดที่ดีที่สุดของการกระจายและไม่

สมมติฐานทางสถิติที่น่าจะเป็นมากที่สุด