សម្អាតទិន្នន័យដូចជាហ្គេម Rock, Paper, Scissors។ តើនេះជាល្បែងដែលមាន ឬគ្មានទីបញ្ចប់? ផ្នែកទី 2. ជាក់ស្តែង

В ផ្នែកមួយ។ វាត្រូវបានពិពណ៌នាថាការបោះពុម្ភផ្សាយនេះត្រូវបានធ្វើឡើងនៅលើមូលដ្ឋាននៃសំណុំទិន្នន័យនៃលទ្ធផលវាយតម្លៃសុរិយោដីនៃអចលនទ្រព្យនៅក្នុង Khanty-Mansi Autonomous Okrug ។

ផ្នែកជាក់ស្តែងត្រូវបានបង្ហាញក្នុងទម្រង់ជាជំហាន។ ការសម្អាតទាំងអស់ត្រូវបានធ្វើឡើងនៅក្នុង Excel ចាប់តាំងពីឧបករណ៍ទូទៅបំផុតនិងប្រតិបត្តិការដែលបានពិពណ៌នាអាចត្រូវបានធ្វើម្តងទៀតដោយអ្នកឯកទេសភាគច្រើនដែលស្គាល់ Excel ។ ហើយពិតជាសាកសមសម្រាប់ការងារដោយដៃផ្ទាល់។

ដំណាក់កាលសូន្យនឹងជាការងារនៃការបើកដំណើរការ និងរក្សាទុកឯកសារ ដោយសារវាមានទំហំ 100 MB បន្ទាប់មកជាមួយនឹងចំនួនប្រតិបត្តិការទាំងនេះគឺរាប់សិបទៅរាប់រយ ពួកគេត្រូវការពេលវេលាដ៏សំខាន់។
ការបើកជាមធ្យមគឺ 30 វិនាទី។
ការសន្សំ - 22 វិ។

ដំណាក់កាលដំបូងចាប់ផ្តើមជាមួយនឹងការកំណត់សូចនាករស្ថិតិនៃសំណុំទិន្នន័យ។

តារាងទី 1. សូចនាករស្ថិតិនៃសំណុំទិន្នន័យ

បច្ចេកវិទ្យា 2.1 ។

យើងបង្កើតវាលជំនួយខ្ញុំមានវានៅក្រោមលេខ - AY ។ សម្រាប់ធាតុនីមួយៗ យើងបង្កើតរូបមន្ត “=LENGTH(F365502)+LENGTH(G365502)+…+LENGTH(AW365502)”

ពេលវេលាសរុបដែលបានចំណាយលើដំណាក់កាល 2.1 (សម្រាប់រូបមន្ត Schumann) t21 = 1 ម៉ោង។
ចំនួនកំហុសដែលបានរកឃើញនៅដំណាក់កាល 2.1 (សម្រាប់រូបមន្ត Schumann) n21 = 0 pcs ។

ដំណាក់កាលទីពីរ។
ពិនិត្យធាតុផ្សំនៃសំណុំទិន្នន័យ។
២.២. តម្លៃទាំងអស់នៅក្នុងកំណត់ត្រាត្រូវបានបង្កើតឡើងដោយប្រើនិមិត្តសញ្ញាស្តង់ដារ។ ដូច្នេះសូមតាមដានស្ថិតិដោយនិមិត្តសញ្ញា។

តារាង 2. សូចនាករស្ថិតិនៃតួអក្សរនៅក្នុងសំណុំទិន្នន័យជាមួយនឹងការវិភាគបឋមនៃលទ្ធផល។





បច្ចេកវិទ្យា 2.2.1 ។

យើងបង្កើតវាលជំនួយ - "alpha1" ។ សម្រាប់កំណត់ត្រានីមួយៗ យើងបង្កើតរូបមន្ត “=CONCATENATE(Sheet1!B9;...Sheet1!AQ9)”
យើងបង្កើតកោសិកា Omega-1 ថេរ។ យើង​នឹង​បញ្ចូល​កូដ​តួអក្សរ​ឆ្លាស់គ្នា​ទៅ​តាម Windows-1251 ពី 32 ទៅ 255 ទៅក្នុង​ក្រឡានេះ។
យើងបង្កើតវាលជំនួយ - "alpha2" ។ ជាមួយរូបមន្ត “=FIND(SYMBOL(Omega,1); “alpha1”,N)”។
យើងបង្កើតវាលជំនួយ - "alpha3" ។ ជាមួយរូបមន្ត “=IF(ISNUMBER(“alpha2”,N),1)”
បង្កើតក្រឡាថេរ “អូមេហ្គា-២” ដោយប្រើរូបមន្ត “=SUM(“អាល់ហ្វា៣”N១៖“អាល់ហ្វា៣”N៣៦៥៤៩៨)”

តារាងទី 3. លទ្ធផលនៃការវិភាគបឋមនៃលទ្ធផល

តារាង 4. កំហុសដែលបានកត់ត្រានៅដំណាក់កាលនេះ។

ពេលវេលាសរុបដែលបានចំណាយលើដំណាក់កាល 2.2.1 (សម្រាប់រូបមន្ត Schumann) t221 = 8 ម៉ោង។
ចំនួននៃកំហុសដែលបានកែនៅដំណាក់កាល 2.2.1 (សម្រាប់រូបមន្ត Schumann) n221 = 0 pcs ។

ដំណាក់កាលទី 3 ។
ជំហានទីបីគឺត្រូវកត់ត្រាស្ថានភាពនៃសំណុំទិន្នន័យ។ ដោយកំណត់កំណត់ត្រានីមួយៗនូវលេខតែមួយគត់ (ID) និងវាលនីមួយៗ។ នេះគឺចាំបាច់ដើម្បីប្រៀបធៀបសំណុំទិន្នន័យដែលបានបំប្លែងជាមួយនឹងសំណុំទិន្នន័យដើម។ នេះក៏ចាំបាច់ផងដែរ ដើម្បីទាញយកអត្ថប្រយោជន៍ពេញលេញនៃសមត្ថភាពដាក់ជាក្រុម និងត្រង។ នៅទីនេះម្តងទៀតយើងត្រលប់ទៅតារាង 2.2.2 ហើយជ្រើសរើសនិមិត្តសញ្ញាដែលមិនត្រូវបានប្រើនៅក្នុងសំណុំទិន្នន័យ។ យើងទទួលបានអ្វីដែលបង្ហាញក្នុងរូបភាពទី 10 ។

រូប ១០. ការកំណត់អត្តសញ្ញាណ។

ពេលវេលាសរុបដែលបានចំណាយលើដំណាក់កាល 3 (សម្រាប់រូបមន្ត Schumann) t3 = 0,75 ម៉ោង។
ចំនួនកំហុសដែលបានរកឃើញនៅដំណាក់កាល 3 (សម្រាប់រូបមន្ត Schumann) n3 = 0 pcs ។

ចាប់តាំងពីរូបមន្ត Schumann តម្រូវឱ្យដំណាក់កាលត្រូវបានបញ្ចប់ដោយការកែកំហុស។ ចូរយើងត្រលប់ទៅដំណាក់កាលទី 2 ។

ដំណាក់កាលទី 2.2.2 ។
នៅក្នុងជំហាននេះ យើងក៏នឹងកែតម្រូវចន្លោះទ្វេ និងបីផងដែរ។

រូប ១១. ចំនួនចន្លោះទ្វេ។

ការកែតម្រូវកំហុសដែលបានកំណត់ក្នុងតារាង 2.2.4 ។

តារាង 5. ដំណាក់កាលកែកំហុស


ឧទាហរណ៍នៃមូលហេតុដែលទិដ្ឋភាពដូចជាការប្រើប្រាស់អក្សរ "e" ឬ "e" មានសារៈសំខាន់ត្រូវបានបង្ហាញនៅក្នុងរូបភាពទី 12 ។

រូប ១២. ភាពខុសគ្នានៃអក្សរ "អ៊ី" ។

ពេលវេលាសរុបដែលបានចំណាយក្នុងជំហាន 2.2.2 t222 = 4 ម៉ោង។
ចំនួនកំហុសដែលបានរកឃើញនៅដំណាក់កាល 2.2.2 (សម្រាប់រូបមន្ត Schumann) n222 = 583 pcs ។

ដំណាក់កាលទីបួន។
ការពិនិត្យរកភាពច្របូកច្របល់ក្នុងវិស័យគឺសមល្អក្នុងដំណាក់កាលនេះ។ ក្នុងចំណោម 44 វាល 6 វាល:
7 - គោលបំណងនៃរចនាសម្ព័ន្ធ
16 - ចំនួនជាន់ក្រោមដី
17 - វត្ថុមេ
២១ - ក្រុមប្រឹក្សាភូមិ
38 - ប៉ារ៉ាម៉ែត្ររចនាសម្ព័ន្ធ (ការពិពណ៌នា)
40 - បេតិកភណ្ឌវប្បធម៌

ពួកគេមិនមានធាតុចូលទេ។ នោះគឺពួកគេលែងត្រូវការតទៅទៀត។
វាល "22 - ទីក្រុង" មានធាតុតែមួយ រូបភាពទី 13 ។

រូប ១៣. ធាតុតែមួយគត់គឺ Z_13 នៅក្នុងវាល "ទីក្រុង" ។

វាល "34 - ឈ្មោះអាគារ" មានធាតុដែលមិនឆ្លើយតបយ៉ាងច្បាស់ទៅនឹងគោលបំណងនៃវាលនេះ រូបភាពទី 14 ។

រូប ១៤. ឧទាហរណ៍នៃការចូលដែលមិនអនុលោមតាម។

យើងដកវាលទាំងនេះចេញពីសំណុំទិន្នន័យ។ ហើយយើងកត់ត្រាការផ្លាស់ប្តូរនៅក្នុងកំណត់ត្រាចំនួន 214 ។

ពេលវេលាសរុបដែលបានចំណាយលើដំណាក់កាល 4 (សម្រាប់រូបមន្ត Schumann) t4 = 2,5 ម៉ោង។
ចំនួនកំហុសដែលបានរកឃើញនៅដំណាក់កាល 4 (សម្រាប់រូបមន្ត Schumann) n4 = 222 pcs ។

តារាងទី 6. ការវិភាគសូចនាករសំណុំទិន្នន័យបន្ទាប់ពីដំណាក់កាលទី 4

ជាទូទៅការវិភាគការផ្លាស់ប្តូរសូចនាករ (តារាងទី 6) យើងអាចនិយាយបានថា:
1) សមាមាត្រនៃចំនួនមធ្យមនៃនិមិត្តសញ្ញាទៅនឹងដងថ្លឹងគម្លាតស្តង់ដារគឺនៅជិត 3 ពោលគឺមានសញ្ញានៃការចែកចាយធម្មតា (ច្បាប់ប្រាំមួយ sigma) ។
2) គម្លាតដ៏សំខាន់នៃ levers អប្បបរមា និងអតិបរមាពី lever មធ្យមបង្ហាញថា ការសិក្សាអំពីកន្ទុយគឺជាទិសដៅដ៏ជោគជ័យនៅពេលស្វែងរកកំហុស។

ចូរយើងពិនិត្យមើលលទ្ធផលនៃការស្វែងរកកំហុសដោយប្រើវិធីសាស្រ្តរបស់ Schumann ។

ដំណាក់កាលទំនេរ

២.១. ពេលវេលាសរុបដែលបានចំណាយលើដំណាក់កាល 2.1 (សម្រាប់រូបមន្ត Schumann) t2.1 = 21 ម៉ោង។
ចំនួនកំហុសដែលបានរកឃើញនៅដំណាក់កាល 2.1 (សម្រាប់រូបមន្ត Schumann) n21 = 0 pcs ។

២.១. ពេលវេលាសរុបដែលបានចំណាយលើដំណាក់កាល 3 (សម្រាប់រូបមន្ត Schumann) t3 = 3 ម៉ោង។
ចំនួនកំហុសដែលបានរកឃើញនៅដំណាក់កាល 3 (សម្រាប់រូបមន្ត Schumann) n3 = 0 pcs ។

ដំណាក់កាលមានប្រសិទ្ធភាព
២.១. ពេលវេលាសរុបដែលបានចំណាយលើដំណាក់កាល 2.2 (សម្រាប់រូបមន្ត Schumann) t2.2.1 = 221 ម៉ោង។
ចំនួននៃកំហុសដែលបានកែនៅដំណាក់កាល 2.2.1 (សម្រាប់រូបមន្ត Schumann) n221 = 0 pcs ។
ពេលវេលាសរុបដែលបានចំណាយក្នុងជំហាន 2.2.2 t222 = 4 ម៉ោង។
ចំនួនកំហុសដែលបានរកឃើញនៅដំណាក់កាល 2.2.2 (សម្រាប់រូបមន្ត Schumann) n222 = 583 pcs ។

ពេលវេលាសរុបដែលបានចំណាយក្នុងជំហាន 2.2 t22 = 8 + 4 = 12 ម៉ោង។
ចំនួនកំហុសដែលបានរកឃើញនៅដំណាក់កាល 2.2.2 (សម្រាប់រូបមន្ត Schumann) n222 = 583 pcs ។

២.១. ពេលវេលាសរុបដែលបានចំណាយលើដំណាក់កាល 4 (សម្រាប់រូបមន្ត Schumann) t4 = 4 ម៉ោង។
ចំនួនកំហុសដែលបានរកឃើញនៅដំណាក់កាល 4 (សម្រាប់រូបមន្ត Schumann) n4 = 222 pcs ។

ដោយសារមានដំណាក់កាលសូន្យដែលត្រូវតែបញ្ចូលក្នុងដំណាក់កាលដំបូងនៃគំរូ Schumann ហើយម្យ៉ាងវិញទៀត ដំណាក់កាល 2.2 និង 4 មានភាពឯករាជ្យពីកំណើត បន្ទាប់មកផ្តល់ឱ្យថាគំរូ Schumann សន្មត់ថាដោយការបង្កើនរយៈពេលនៃការត្រួតពិនិត្យ ប្រូបាប៊ីលីតេ ការរកឃើញកំហុសថយចុះ ពោលគឺលំហូរថយចុះការបរាជ័យ បន្ទាប់មកដោយការពិនិត្យមើលលំហូរនេះ យើងនឹងកំណត់ដំណាក់កាលណាដែលត្រូវដាក់មុនគេ តាមក្បួនដែលដង់ស៊ីតេនៃការបរាជ័យញឹកញាប់ជាង យើងនឹងដាក់ដំណាក់កាលនោះជាមុនសិន។

រូបលេខ ១

ពីរូបមន្តក្នុងរូបភាពទី 15 វាដូចខាងក្រោមថាវាជាការប្រសើរក្នុងការដាក់ដំណាក់កាលទី 2.2 មុនដំណាក់កាល XNUMX ក្នុងការគណនា។

ដោយប្រើរូបមន្តរបស់ Schumann យើងកំណត់ចំនួនកំហុសដំបូងដែលបានប៉ាន់ស្មាន៖

រូបលេខ ១

ពីលទ្ធផលនៅក្នុងរូបភាពទី 16 វាអាចត្រូវបានគេមើលឃើញថាចំនួនដែលបានព្យាករណ៍នៃកំហុសគឺ N2 = 3167 ដែលលើសពីលក្ខណៈវិនិច្ឆ័យអប្បបរមានៃ 1459 ។

ជាលទ្ធផលនៃការកែតម្រូវ យើងបានកែកំហុសចំនួន 805 ហើយលេខដែលបានព្យាករណ៍គឺ 3167 – 805 = 2362 ដែលនៅតែច្រើនជាងកម្រិតអប្បបរមាដែលយើងទទួលយក។

យើងកំណត់ប៉ារ៉ាម៉ែត្រ C, lambda និងមុខងារដែលអាចទុកចិត្តបាន:

រូបលេខ ១

សំខាន់ lambda គឺជាសូចនាករជាក់ស្តែងនៃអាំងតង់ស៊ីតេដែលកំហុសត្រូវបានរកឃើញនៅដំណាក់កាលនីមួយៗ។ ប្រសិនបើអ្នកក្រឡេកមើលខាងលើ ការប៉ាន់ប្រមាណពីមុននៃសូចនាករនេះគឺ 42,4 កំហុសក្នុងមួយម៉ោង ដែលពិតជាអាចប្រៀបធៀបទៅនឹងសូចនាករ Schumann ។ ងាកទៅផ្នែកដំបូងនៃសម្ភារៈនេះ វាត្រូវបានគេកំណត់ថាអត្រាដែលអ្នកអភិវឌ្ឍន៍រកឃើញកំហុសមិនគួរទាបជាង 1 កំហុសក្នុងមួយកំណត់ត្រា 250,4 នៅពេលពិនិត្យមើល 1 កំណត់ត្រាក្នុងមួយនាទី។ ដូច្នេះតម្លៃសំខាន់នៃ lambda សម្រាប់ម៉ូដែល Schumann:
១០០ / ៧៧.៨៥ = ១.២៨ ។

នោះគឺតម្រូវការដើម្បីអនុវត្តនីតិវិធីរកឃើញកំហុសត្រូវតែត្រូវបានអនុវត្តរហូតដល់ lambda ពី 38,964 ដែលមានស្រាប់ថយចុះដល់ 0,239617 ។

ឬរហូតដល់សូចនាករ N (ចំនួនសក្តានុពលនៃកំហុស) ដក n (ចំនួនកំហុសដែលបានកែតម្រូវ) ថយចុះក្រោមកម្រិតដែលយើងទទួលយក (នៅក្នុងផ្នែកទីមួយ) - 1459 កុំព្យូទ័រ PC ។

ផ្នែកទី 1. ទ្រឹស្តី។

ប្រភព: www.habr.com