ProHoster > ဘလော့ > အုပ်ချုပ်ရေး > Rock၊ Paper၊ Scissors ဂိမ်းကဲ့သို့ ဒေတာကို ရှင်းလင်းပါ။ ဤဂိမ်းသည် အဆုံးမရှိ သို့မဟုတ် အဆုံးမရှိပါလား။ အပိုင်း ၂။ လက်တွေ့

Rock၊ Paper၊ Scissors ဂိမ်းကဲ့သို့ ဒေတာကို ရှင်းလင်းပါ။ ဤဂိမ်းသည် အဆုံးမရှိ သို့မဟုတ် အဆုံးမရှိပါလား။ အပိုင်း ၂။ လက်တွေ့

В အပိုင်းတစ် Khanty-Mansi ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရ Okrug ရှိ အိမ်ခြံမြေများ၏ cadastral valuation ရလဒ်များ၏ dataset ကို အခြေခံ၍ ဤထုတ်ဝေမှုကို ပြုလုပ်ခဲ့ကြောင်း ဖော်ပြထားပါသည်။

လက်တွေ့အပိုင်းကို အဆင့်ဆင့်ပုံစံနဲ့ တင်ပြထားပါတယ်။ အသုံးအများဆုံးကိရိယာနှင့် ဖော်ပြထားသောလုပ်ဆောင်ချက်များကို Excel ကိုသိသော အထူးကျွမ်းကျင်သူအများစုမှ ထပ်ခါတလဲလဲ ပြုလုပ်နိုင်သောကြောင့် သန့်ရှင်းရေးအားလုံးကို Excel တွင် လုပ်ဆောင်ခဲ့သည်။ လက်ချင်းချိတ်ပြီး အလုပ်လုပ်ဖို့ အလွန်သင့်တော်ပါတယ်။

သုညအဆင့်သည် 100 MB အရွယ်အစားဖြစ်သောကြောင့် ဖိုင်ကိုဖွင့်ခြင်းနှင့် သိမ်းဆည်းခြင်းလုပ်ငန်းဖြစ်ပြီး၊ ထို့နောက် အဆိုပါလုပ်ဆောင်မှုအရေအတွက်သည် ဆယ်ဂဏန်းနှင့်ရာချီရှိသောကြောင့် ၎င်းတို့သည် သိသာထင်ရှားသောအချိန်ယူပါသည်။
ပျမ်းမျှအားဖြင့် အဖွင့်သည် စက္ကန့် 30 ဖြစ်သည်။
သိမ်းဆည်းခြင်း - 22 စက္ကန့်။

ပထမအဆင့်သည် ဒေတာအတွဲ၏ စာရင်းအင်းညွှန်းကိန်းများကို ဆုံးဖြတ်ခြင်းဖြင့် စတင်သည်။

ဇယား 1. ဒေတာအတွဲ၏ ကိန်းဂဏန်းအချက်အလက်များ
Rock၊ Paper၊ Scissors ဂိမ်းကဲ့သို့ ဒေတာကို ရှင်းလင်းပါ။ ဤဂိမ်းသည် အဆုံးမရှိ သို့မဟုတ် အဆုံးမရှိပါလား။ အပိုင်း ၂။ လက်တွေ့

နည်းပညာ 2.1 ။

ကျွန်ုပ်တို့သည် အရန်အကွက်တစ်ခု ဖန်တီးသည်၊ ကျွန်ုပ်တွင် ၎င်းကို နံပါတ်- AY အောက်တွင် ရှိသည်။ ထည့်သွင်းမှုတစ်ခုစီအတွက်၊ ကျွန်ုပ်တို့သည် “=LENGTH(F365502)+LENGTH(G365502)+…+LENGTH(AW365502)” ဖော်မြူလာကို ဖွဲ့ဆိုထားပါသည်။

အဆင့် 2.1 (Schumann ဖော်မြူလာအတွက်) t21 = 1 နာရီ စုစုပေါင်းအချိန်။
အဆင့် 2.1 (Schumann ဖော်မြူလာအတွက်) n21 = 0 pcs တွင်တွေ့ရှိရသော အမှားအယွင်းအရေအတွက်။

ဒုတိယအဆင့်။
ဒေတာအတွဲ၏ အစိတ်အပိုင်းများကို စစ်ဆေးခြင်း။
၂.၂။ မှတ်တမ်းများတွင် တန်ဖိုးများအားလုံးသည် စံသင်္ကေတများကို အသုံးပြု၍ ဖွဲ့စည်းထားပါသည်။ ထို့ကြောင့်၊ သင်္ကေတများဖြင့် စာရင်းအင်းများကို ခြေရာခံကြည့်ကြပါစို့။

ဇယား 2။ ရလဒ်များကို ပဏာမခွဲခြမ်းစိတ်ဖြာခြင်းဖြင့် ဒေတာအတွဲရှိ ဇာတ်ကောင်များ၏ ကိန်းဂဏန်းအချက်များ။Rock၊ Paper၊ Scissors ဂိမ်းကဲ့သို့ ဒေတာကို ရှင်းလင်းပါ။ ဤဂိမ်းသည် အဆုံးမရှိ သို့မဟုတ် အဆုံးမရှိပါလား။ အပိုင်း ၂။ လက်တွေ့
Rock၊ Paper၊ Scissors ဂိမ်းကဲ့သို့ ဒေတာကို ရှင်းလင်းပါ။ ဤဂိမ်းသည် အဆုံးမရှိ သို့မဟုတ် အဆုံးမရှိပါလား။ အပိုင်း ၂။ လက်တွေ့
Rock၊ Paper၊ Scissors ဂိမ်းကဲ့သို့ ဒေတာကို ရှင်းလင်းပါ။ ဤဂိမ်းသည် အဆုံးမရှိ သို့မဟုတ် အဆုံးမရှိပါလား။ အပိုင်း ၂။ လက်တွေ့
Rock၊ Paper၊ Scissors ဂိမ်းကဲ့သို့ ဒေတာကို ရှင်းလင်းပါ။ ဤဂိမ်းသည် အဆုံးမရှိ သို့မဟုတ် အဆုံးမရှိပါလား။ အပိုင်း ၂။ လက်တွေ့
Rock၊ Paper၊ Scissors ဂိမ်းကဲ့သို့ ဒေတာကို ရှင်းလင်းပါ။ ဤဂိမ်းသည် အဆုံးမရှိ သို့မဟုတ် အဆုံးမရှိပါလား။ အပိုင်း ၂။ လက်တွေ့

နည်းပညာ 2.2.1 ။

ကျွန်ုပ်တို့သည် အရန်အကွက်တစ်ခု - “alpha1” ကို ဖန်တီးသည်။ မှတ်တမ်းတစ်ခုစီအတွက်၊ ကျွန်ုပ်တို့သည် “=CONCATENATE(Sheet1!B9;…Sheet1!AQ9)” ဖော်မြူလာကို ဖွဲ့ဆိုထားပါသည်။
ကျွန်ုပ်တို့သည် ပုံသေ Omega-1 ဆဲလ်တစ်ခုကို ဖန်တီးသည်။ ကျွန်ုပ်တို့သည် Windows-1251 32 မှ 255 အရ ဤဆဲလ်ထဲသို့ ဇာတ်ကောင်ကုဒ်များကို တလှည့်စီ ထည့်ပါမည်။
ကျွန်ုပ်တို့သည် အရန်အကွက်တစ်ခု - “alpha2” ကို ဖန်တီးသည်။ “=FIND(SYMBOL(Omega,1); “alpha1”,N)” ဖော်မြူလာဖြင့်။
ကျွန်ုပ်တို့သည် အရန်အကွက်တစ်ခု - “alpha3” ကို ဖန်တီးသည်။ “=IF(ISNUMBER(“alpha2”,N),1)” ဖော်မြူလာဖြင့်
ပုံသေနည်း “=SUM(“alpha2”N3-“alpha1”N3)” ဖြင့် ပုံသေဆဲလ် “အိုမီဂါ-၂” ကို ဖန်တီးပါ။

ဇယား ၃။ ပဏာမခွဲခြမ်းစိတ်ဖြာမှုရလဒ်များRock၊ Paper၊ Scissors ဂိမ်းကဲ့သို့ ဒေတာကို ရှင်းလင်းပါ။ ဤဂိမ်းသည် အဆုံးမရှိ သို့မဟုတ် အဆုံးမရှိပါလား။ အပိုင်း ၂။ လက်တွေ့

ဇယား ၄။ ဤအဆင့်တွင် မှတ်တမ်းတင်ထားသော အမှားများRock၊ Paper၊ Scissors ဂိမ်းကဲ့သို့ ဒေတာကို ရှင်းလင်းပါ။ ဤဂိမ်းသည် အဆုံးမရှိ သို့မဟုတ် အဆုံးမရှိပါလား။ အပိုင်း ၂။ လက်တွေ့

အဆင့် 2.2.1 (Schumann ဖော်မြူလာအတွက်) t221 = 8 နာရီ စုစုပေါင်းအချိန်။
အဆင့် 2.2.1 (Schumann ဖော်မြူလာအတွက်) n221 = 0 pcs တွင် ပြုပြင်ထားသော အမှားအရေအတွက်။

3 အဆင့်။
တတိယအဆင့်မှာ dataset ၏အခြေအနေကိုမှတ်တမ်းတင်ရန်ဖြစ်သည်။ မှတ်တမ်းတစ်ခုစီကို သီးခြားနံပါတ် (ID) နှင့် အကွက်တစ်ခုစီကို သတ်မှတ်ပေးခြင်းဖြင့်။ ပြောင်းထားသောဒေတာအတွဲကို မူရင်းတစ်ခုနှင့် နှိုင်းယှဉ်ရန် ၎င်းက လိုအပ်သည်။ အဖွဲ့ခွဲခြင်းနှင့် စစ်ထုတ်ခြင်းစွမ်းရည်များကို အပြည့်အဝအသုံးချရန်လည်း လိုအပ်ပါသည်။ ဤနေရာတွင် ကျွန်ုပ်တို့သည် ဇယား 2.2.2 သို့လှည့်ပြီး ဒေတာအတွဲတွင် အသုံးမပြုသော သင်္ကေတတစ်ခုကို ရွေးချယ်ပါ။ ပုံ 10 တွင်ပြသထားသည့်အရာကိုကျွန်ုပ်တို့ရရှိသည်။

Rock၊ Paper၊ Scissors ဂိမ်းကဲ့သို့ ဒေတာကို ရှင်းလင်းပါ။ ဤဂိမ်းသည် အဆုံးမရှိ သို့မဟုတ် အဆုံးမရှိပါလား။ အပိုင်း ၂။ လက်တွေ့
ပုံ။ ၁၀။ ခွဲခြားသတ်မှတ်မှုများ။

အဆင့် 3 (Schumann ဖော်မြူလာအတွက်) t3 = 0,75 နာရီ စုစုပေါင်းအချိန်။
အဆင့် 3 (Schumann ဖော်မြူလာအတွက်) n3 = 0 pcs တွင်တွေ့ရှိရသော အမှားအယွင်းအရေအတွက်။

Schumann ဖော်မြူလာတွင် အမှားများကို ပြုပြင်ခြင်းဖြင့် အဆင့်ကို ပြီးမြောက်ရန် လိုအပ်သောကြောင့် ဖြစ်သည်။ အဆင့် 2 ကိုပြန်ကြရအောင်။

2.2.2 အဆင့်။
ဤအဆင့်တွင် ကျွန်ုပ်တို့သည် နှစ်ထပ်နှင့် သုံးထပ်နေရာများကို ပြင်ပေးပါမည်။
Rock၊ Paper၊ Scissors ဂိမ်းကဲ့သို့ ဒေတာကို ရှင်းလင်းပါ။ ဤဂိမ်းသည် အဆုံးမရှိ သို့မဟုတ် အဆုံးမရှိပါလား။ အပိုင်း ၂။ လက်တွေ့
ပုံ ၁၁။ နှစ်ထပ်နေရာများ အရေအတွက်။

ဇယား 2.2.4 တွင် ဖော်ပြထားသော အမှားများကို ပြင်ဆင်ခြင်း။

ဇယား 5. အမှားပြင်ဆင်ခြင်းအဆင့်Rock၊ Paper၊ Scissors ဂိမ်းကဲ့သို့ ဒေတာကို ရှင်းလင်းပါ။ ဤဂိမ်းသည် အဆုံးမရှိ သို့မဟုတ် အဆုံးမရှိပါလား။ အပိုင်း ၂။ လက်တွေ့
Rock၊ Paper၊ Scissors ဂိမ်းကဲ့သို့ ဒေတာကို ရှင်းလင်းပါ။ ဤဂိမ်းသည် အဆုံးမရှိ သို့မဟုတ် အဆုံးမရှိပါလား။ အပိုင်း ၂။ လက်တွေ့

“e” သို့မဟုတ် “e” စာလုံးများအသုံးပြုခြင်းကဲ့သို့သော အသွင်အပြင်သည် အဘယ်ကြောင့် ထင်ရှားသနည်းဆိုသည်ကို ပုံ 12 တွင် ဖော်ပြထားပါသည်။

Rock၊ Paper၊ Scissors ဂိမ်းကဲ့သို့ ဒေတာကို ရှင်းလင်းပါ။ ဤဂိမ်းသည် အဆုံးမရှိ သို့မဟုတ် အဆုံးမရှိပါလား။ အပိုင်း ၂။ လက်တွေ့
ပုံ ၁၂။ အက္ခရာ "e" တွင် ကွဲလွဲမှု။

အဆင့် 2.2.2 t222 တွင် စုစုပေါင်းအချိန် = 4 နာရီ။
အဆင့် 2.2.2 (Schumann ဖော်မြူလာအတွက်) n222 = 583 pcs တွင်တွေ့ရှိရသော အမှားအယွင်းအရေအတွက်။

စတုတ္ထအဆင့်။
အကွက်ထပ်နေခြင်းကို စစ်ဆေးခြင်းသည် ဤအဆင့်တွင် သင့်လျော်ပါသည်။ အကွက် (၄၄) ခု အနက် (၆) ခု၊
7 - ဖွဲ့စည်းပုံ၏ရည်ရွယ်ချက်
16 - မြေအောက်ထပ်အရေအတွက်
17 - မိဘအရာဝတ္ထု
၂၁ - ကျေးရွာကောင်စီ၊
38 — ဖွဲ့စည်းပုံ ဘောင်များ (ဖော်ပြချက်)
၄၀ - ယဉ်ကျေးမှုအမွေအနှစ်

၎င်းတို့တွင် ထည့်သွင်းမှုများ မရှိပါ။ ဆိုလိုတာက သူတို့က မလိုတော့ဘူး။
အကွက် “22 – City” တွင် တစ်ခုတည်းသော ဝင်ပေါက်ပါရှိသည်၊ ပုံ 13။

Rock၊ Paper၊ Scissors ဂိမ်းကဲ့သို့ ဒေတာကို ရှင်းလင်းပါ။ ဤဂိမ်းသည် အဆုံးမရှိ သို့မဟုတ် အဆုံးမရှိပါလား။ အပိုင်း ၂။ လက်တွေ့
ပုံ ၁၃။ "City" အကွက်တွင် Z_13 တစ်ခုတည်းသောဝင်ရောက်မှုဖြစ်သည်။

အကွက် "34 - အဆောက်အဦအမည်" တွင် အကွက်၏ရည်ရွယ်ချက်နှင့် ရှင်းရှင်းလင်းလင်းမကိုက်ညီသည့် ထည့်သွင်းမှုများပါရှိသည်၊ ပုံ 14။

Rock၊ Paper၊ Scissors ဂိမ်းကဲ့သို့ ဒေတာကို ရှင်းလင်းပါ။ ဤဂိမ်းသည် အဆုံးမရှိ သို့မဟုတ် အဆုံးမရှိပါလား။ အပိုင်း ၂။ လက်တွေ့
ပုံ။ ၁၄။ မကိုက်ညီသော ဝင်ခွင့်၏ ဥပမာတစ်ခု။

ကျွန်ုပ်တို့သည် ဤအကွက်များကို ဒေတာအတွဲမှ ဖယ်ထုတ်ပါသည်။ ပြီးတော့ 214 မှတ်တမ်းမှာ အပြောင်းအလဲကို မှတ်တမ်းတင်ပါတယ်။

အဆင့် 4 (Schumann ဖော်မြူလာအတွက်) t4 = 2,5 နာရီ စုစုပေါင်းအချိန်။
အဆင့် 4 (Schumann ဖော်မြူလာအတွက်) n4 = 222 pcs တွင်တွေ့ရှိရသော အမှားအယွင်းအရေအတွက်။

ဇယား 6. 4th အဆင့်ပြီးနောက် data set indicators များကို ခွဲခြမ်းစိတ်ဖြာခြင်း။

Rock၊ Paper၊ Scissors ဂိမ်းကဲ့သို့ ဒေတာကို ရှင်းလင်းပါ။ ဤဂိမ်းသည် အဆုံးမရှိ သို့မဟုတ် အဆုံးမရှိပါလား။ အပိုင်း ၂။ လက်တွေ့

ယေဘူယျအားဖြင့်၊ အညွှန်းကိန်းများတွင် အပြောင်းအလဲများကို ပိုင်းခြားစိတ်ဖြာခြင်း (ဇယား 6) ဟုဆိုနိုင်သည်။
1) စံသွေဖည်လီဗာနှင့် သင်္ကေတနံပါတ်များ၏ ပျမ်းမျှအချိုးသည် 3 နီးပါးဖြစ်သည်၊ ဆိုလိုသည်မှာ၊ ပုံမှန်ဖြန့်ဖြူးခြင်း၏လက္ခဏာများဖြစ်သည် (sigma စည်းမျဉ်းခြောက်ခု)။
2) ပျမ်းမျှလီဗာမှ အနိမ့်ဆုံးနှင့် အမြင့်ဆုံး လီဗာများ၏ သိသာထင်ရှားသောသွေဖည်မှုတစ်ခုသည် အမှားများကိုရှာဖွေသည့်အခါ အမြီးများကိုလေ့လာခြင်းသည် အလားအလာရှိသော ဦးတည်ချက်ဖြစ်ကြောင်း အကြံပြုသည်။

Schumann ၏နည်းစနစ်ကိုအသုံးပြု၍ အမှားများကိုရှာဖွေခြင်း၏ရလဒ်များကိုစစ်ဆေးကြပါစို့။

မလှုပ်မရှား အဆင့်ဆင့်

၂.၁။ အဆင့် 2.1 (Schumann ဖော်မြူလာအတွက်) t2.1 = 21 နာရီ စုစုပေါင်းအချိန်။
အဆင့် 2.1 (Schumann ဖော်မြူလာအတွက်) n21 = 0 pcs တွင်တွေ့ရှိရသော အမှားအယွင်းအရေအတွက်။

၂.၁။ အဆင့် 3 (Schumann ဖော်မြူလာအတွက်) t3 = 3 နာရီ စုစုပေါင်းအချိန်။
အဆင့် 3 (Schumann ဖော်မြူလာအတွက်) n3 = 0 pcs တွင်တွေ့ရှိရသော အမှားအယွင်းအရေအတွက်။

ထိရောက်သောအဆင့်များ
၂.၁။ အဆင့် 2.2 (Schumann ဖော်မြူလာအတွက်) t2.2.1 = 221 နာရီ စုစုပေါင်းအချိန်။
အဆင့် 2.2.1 (Schumann ဖော်မြူလာအတွက်) n221 = 0 pcs တွင် ပြုပြင်ထားသော အမှားအရေအတွက်။
အဆင့် 2.2.2 t222 တွင် စုစုပေါင်းအချိန် = 4 နာရီ။
အဆင့် 2.2.2 (Schumann ဖော်မြူလာအတွက်) n222 = 583 pcs တွင်တွေ့ရှိရသော အမှားအယွင်းအရေအတွက်။

အဆင့် 2.2 t22 = 8 + 4 = 12 နာရီ စုစုပေါင်းအချိန်။
အဆင့် 2.2.2 (Schumann ဖော်မြူလာအတွက်) n222 = 583 pcs တွင်တွေ့ရှိရသော အမှားအယွင်းအရေအတွက်။

၂.၁။ အဆင့် 4 (Schumann ဖော်မြူလာအတွက်) t4 = 4 နာရီ စုစုပေါင်းအချိန်။
အဆင့် 4 (Schumann ဖော်မြူလာအတွက်) n4 = 222 pcs တွင်တွေ့ရှိရသော အမှားအယွင်းအရေအတွက်။

Schumann မော်ဒယ်၏ ပထမအဆင့်တွင် ထည့်သွင်းရမည့် သုညအဆင့်များ ရှိပြီး အခြားတစ်ဖက်တွင်၊ အဆင့် 2.2 နှင့် 4 တို့သည် မွေးရာပါ အမှီအခိုကင်းသောကြောင့် Schumann မော်ဒယ်က စစ်ဆေးသည့်ကြာချိန်ကို တိုးမြှင့်ခြင်းဖြင့် ဖြစ်နိုင်ခြေရှိသည်ဟု ယူဆသောကြောင့်၊ error တစ်ခုအား သိရှိခြင်း၏ လျော့နည်းသွားခြင်း ၊ ဆိုလိုသည်မှာ flow သည် ကျရှုံးမှုကို လျော့ကျစေသည်၊ ထို့နောက် ဤ flow ကို ဆန်းစစ်ခြင်းဖြင့် မည်သည့် stage ကို အရင်ဆုံး တင်ရမည်ကို ဆုံးဖြတ်မည် ဖြစ်သည်၊ စည်းကမ်းအရ၊ failure density သည် ပို၍ မကြာခဏ ဖြစ်တတ်ရာ၊ ထို stage ကို ဦးစွာ ထားမည်ဖြစ်ပါသည်။

Rock၊ Paper၊ Scissors ဂိမ်းကဲ့သို့ ဒေတာကို ရှင်းလင်းပါ။ ဤဂိမ်းသည် အဆုံးမရှိ သို့မဟုတ် အဆုံးမရှိပါလား။ အပိုင်း ၂။ လက်တွေ့
ပုံ။ ၁။

Figure 15 ရှိ ဖော်မြူလာမှ တွက်ချက်မှုများတွင် အဆင့် 2.2 မတိုင်မီ စတုတ္ထအဆင့်ကို ထားရှိခြင်းက ပိုကောင်းကြောင်း အောက်ပါအတိုင်း ဖော်ပြထားသည်။

Schumann ၏ဖော်မြူလာကို အသုံးပြု၍ ကျွန်ုပ်တို့သည် ခန့်မှန်းခြေ အမှားအယွင်းအရေအတွက်ကို ဆုံးဖြတ်သည်-

Rock၊ Paper၊ Scissors ဂိမ်းကဲ့သို့ ဒေတာကို ရှင်းလင်းပါ။ ဤဂိမ်းသည် အဆုံးမရှိ သို့မဟုတ် အဆုံးမရှိပါလား။ အပိုင်း ၂။ လက်တွေ့
ပုံ။ ၁။

Figure 16 ရှိ ရလဒ်များမှ ခန့်မှန်းထားသော အမှားအယွင်းအရေအတွက်မှာ N2 = 3167 ဖြစ်ပြီး အနိမ့်ဆုံးစံသတ်မှတ်ချက် 1459 ထက် ပိုများသည်ကို တွေ့နိုင်ပါသည်။

အမှားပြင်ဆင်မှု၏ရလဒ်အနေဖြင့် ကျွန်ုပ်တို့သည် 805 အမှားများကိုပြင်ခဲ့ပြီး၊ ခန့်မှန်းထားသောနံပါတ်သည် 3167 – 805 = 2362 ဖြစ်ပြီး၊ ၎င်းသည် ကျွန်ုပ်တို့လက်ခံထားသော အနိမ့်ဆုံးအဆင့်ထက် ပိုနေသေးသည်။

ကျွန်ုပ်တို့သည် parameter C၊ lambda နှင့် reliability function ကိုသတ်မှတ်သည်-

Rock၊ Paper၊ Scissors ဂိမ်းကဲ့သို့ ဒေတာကို ရှင်းလင်းပါ။ ဤဂိမ်းသည် အဆုံးမရှိ သို့မဟုတ် အဆုံးမရှိပါလား။ အပိုင်း ၂။ လက်တွေ့
ပုံ။ ၁။

အခြေခံအားဖြင့်၊ lambda သည် အဆင့်တစ်ခုစီတွင် အမှားအယွင်းများကို တွေ့ရှိရသည့် ပြင်းထန်မှု၏ တကယ့်ညွှန်ပြချက်တစ်ခုဖြစ်သည်။ အထက်ကိုကြည့်လျှင်၊ ဤညွှန်ပြချက်၏ယခင်ခန့်မှန်းချက်မှာ တစ်နာရီလျှင် အမှားအယွင်း 42,4 ရှိပြီး Schumann ညွှန်ပြချက်နှင့် အတော်လေး နှိုင်းယှဉ်နိုင်သည်။ ဤအကြောင်းအရာ၏ ပထမပိုင်းကို လှည့်ကြည့်လိုက်သောအခါ၊ ဆော့ဖ်ဝဲရေးသားသူသည် အမှားအယွင်းများတွေ့ရှိသည့်နှုန်းသည် တစ်မိနစ်လျှင် 1 စံချိန်ကိုစစ်ဆေးသည့်အခါ 250,4 မှတ်တမ်းတစ်ခုလျှင် 1 အမှားထက် မနိမ့်သင့်ပါ။ ထို့ကြောင့် Schumann မော်ဒယ်အတွက် lambda ၏အရေးကြီးသောတန်ဖိုး။
60 / 250,4 = 0,239617 ။

ဆိုလိုသည်မှာ၊ ရှိပြီးသား 38,964 မှ lambda မှ 0,239617 သို့ လျော့နည်းသွားသည်အထိ အမှားအယွင်းရှာဖွေခြင်းလုပ်ငန်းစဉ်များကို ဆောင်ရွက်ရန်လိုအပ်ပါသည်။

သို့မဟုတ် ညွှန်ပြချက် N (ဖြစ်နိုင်ချေရှိသော အမှားအယွင်းအရေအတွက်) အနှုတ် n (ပြင်ဆင်ထားသော အမှားအယွင်းအရေအတွက်) သည် ကျွန်ုပ်တို့လက်ခံထားသော (ပထမအပိုင်းတွင်) - 1459 pcs သတ်မှတ်ချက်အောက် လျော့နည်းသွားသည်အထိ သို့မဟုတ် ညွှန်ပြချက်

အပိုင်း ၁။ သီအိုရီ။

source: www.habr.com

မှတ်ချက် Add