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

В အပိုင်းတစ် Khanty-Mansi ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရ Okrug ရှိ အိမ်ခြံမြေအရာဝတ္တုများ၏ cadastral တန်ဖိုးဖြတ်ခြင်းရလဒ်များ၏ ဒေတာအတွဲတစ်ခုပေါ်တွင် ဤထုတ်ဝေမှုကို အခြေခံ၍ ပြုလုပ်ထားကြောင်း ဖော်ပြထားပါသည်။

လက်တွေ့အပိုင်းကို အဆင့်ဆင့်တင်ပြထားပါတယ်။ ရှင်းလင်းရေးအားလုံးကို Excel တွင် လုပ်ဆောင်ခဲ့ပြီး၊ ၎င်းသည် အသုံးအများဆုံးကိရိယာဖြစ်သောကြောင့် Excel နှင့် ရင်းနှီးသော ပရော်ဖက်ရှင်နယ်အများစုမှ ဖော်ပြထားသော လုပ်ဆောင်ချက်များကို ထပ်ခါတလဲလဲ ပြုလုပ်နိုင်ပါသည်။ ၎င်းသည် လက်လုပ်လက်စားလုပ်ရန်အတွက်လည်း အလွန်သင့်လျော်ပါသည်။

၎င်းသည် 100 MB အရွယ်အစားဖြစ်သောကြောင့် ဖိုင်ကိုဖွင့်ခြင်းနှင့် သိမ်းဆည်းခြင်းလုပ်ငန်းကို သုညအဆင့်အဖြစ် ထားရှိမည်ဖြစ်ပြီး၊ ဤလုပ်ဆောင်မှုပေါင်း ဆယ်ဂဏန်းနှင့်ချီ၍ အချိန်များစွာယူရသည်။
အဖွင့်အချိန်သည် ပျမ်းမျှအားဖြင့် စက္ကန့် ၃၀ ဖြစ်သည်။
ချွေတာချိန်- 22 စက္ကန့်။

ပထမအဆင့်သည် ဒေတာအတွဲ၏ စာရင်းအင်းညွှန်းကိန်းများကို သတ်မှတ်ခြင်းဖြင့် စတင်သည်။

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

နည်းပညာ 2.1 ။

အရန်အကွက်တစ်ခု ဖန်တီးပါ။ AY လို့ခေါ်မယ်။ မှတ်တမ်းတစ်ခုစီအတွက် "=LEN(F365502)+LEN(G365502)+…+LEN(AW365502)" ဖော်မြူလာကို ဖန်တီးပါ။

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 ကိန်းဂဏန်းများကို သင်္ကေတဖြင့် ခြေရာခံကြည့်ကြပါစို့။

ဇယား 2။ ရလဒ်များကို ပဏာမခွဲခြမ်းစိတ်ဖြာခြင်းဖြင့် ဒေတာအတွဲရှိ သင်္ကေတများ၏ 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 အရန်အကွက် - “alpha1” ကို ဖန်တီးသည်။ မှတ်တမ်းတစ်ခုစီအတွက် “=CONCATENATE(Sheet1!B9;…Sheet1!AQ9)” ဖော်မြူလာကို ဖန်တီးပါသည်။
"Omega-1" ဟုခေါ်သော ပုံသေဆဲလ်တစ်ခုကို ကျွန်ုပ်တို့ ဖန်တီးပါမည်။ ကျွန်ုပ်တို့သည် ဤဆဲလ်ထဲသို့ Windows-1251 စာလုံးကုဒ်များကို 32 မှ 255 အထိ ထည့်သွင်းပေးပါမည်။
ကျွန်ုပ်တို့သည် အရန်အကွက် - “alpha2” ကို ဖန်တီးသည်။ ပုံသေနည်းဖြင့် “=FIND(CHAR(Omega;1); “alpha1”;N)”။
ကျွန်ုပ်တို့သည် အရန်အကွက် - “alpha3” ကို ဖန်တီးသည်။ ဖော်မြူလာ “=IF(ISNUMBER(“alpha2”;N);1;0)” ဖြင့်
ပုံသေနည်း "=SUM("alpha3"N1:"alpha3"N365498)" ဖြင့် ပုံသေဆဲလ် "Omega-2" ကို ဖန်တီးပါ။

ဇယား ၃။ ရလဒ်များ၏ 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 ပြင်ဆင်ထားသော အမှားအရေအတွက်။

3 အဆင့်။
တတိယအဆင့်မှာ dataset ၏အခြေအနေကိုမှတ်တမ်းတင်ရန်ဖြစ်သည်။ ကျွန်ုပ်တို့သည် မှတ်တမ်းတစ်ခုစီနှင့် အကွက်တစ်ခုစီအတွက် သီးသန့်နံပါတ် (ID) ကို သတ်မှတ်ပေးသည်။ အသွင်ပြောင်းဒေတာအတွဲကို မူရင်းနှင့် နှိုင်းယှဉ်ရန်အတွက် ၎င်းသည် လိုအပ်ပါသည်။ အဖွဲ့ခွဲခြင်းနှင့် စစ်ထုတ်ခြင်းစွမ်းရည်များကို အပြည့်အဝအသုံးချရန်လည်း လိုအပ်ပါသည်။ ဤတွင်၊ ကျွန်ုပ်တို့သည် ဇယား 2.2.2 ကို ထပ်မံကိုးကားပြီး ဒေတာအတွဲတွင် အသုံးမပြုသော သင်္ကေတတစ်ခုကို ရွေးချယ်ပါ။ ရလဒ်ကို ပုံ ၁၀ တွင် ပြထားသည်။

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 ဤအဆင့်သည် အမှားပြင်ဆင်မှုဖြင့် အပြီးသတ်ရန် လိုအပ်သောကြောင့်၊ ကျွန်ုပ်တို့သည် အဆင့် 2 သို့ ပြန်သွားပါသည်။

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 “yo” စာလုံးများအသုံးပြုခြင်းကဲ့သို့သော ရှုထောင့်တစ်ခုသည် အဘယ်ကြောင့်အရေးကြီးကြောင်း ပုံ 12 တွင် ပြထားသည်။

Rock၊ Paper၊ Scissors ဂိမ်းကဲ့သို့ ဒေတာကို ရှင်းလင်းပါ။ ဤဂိမ်းသည် အဆုံးမရှိ သို့မဟုတ် အဆုံးမရှိပါလား။ အပိုင်း ၂။ လက်တွေ့
ပုံ 12။ စာလုံး "ё" တွင် မကိုက်ညီပါ။

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။ နယ်ပယ်(၄၄)ခုအနက်(၆)ခုမှာ-
7 - ဖွဲ့စည်းပုံ၏ရည်ရွယ်ချက်
16 - မြေအောက်ထပ်အရေအတွက်
17 — မိဘအရာဝတ္ထု
၂၁ — ကျေးရွာကောင်စီ၊
38 — ဖွဲ့စည်းပုံ ဘောင်များ (ဖော်ပြချက်)
40 - ယဉ်ကျေးမှု အမွေအနှစ်

၎င်းတို့တွင် ဝင်ခွင့်တစ်ခုတည်း 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 13. "City" အကွက်ရှိ တစ်ခုတည်းသောဝင်ရောက်မှု Z_348653။

အကွက် “34 — အဆောက်အဦအမည်” တွင် နယ်ပယ်၏ရည်ရွယ်ချက်နှင့် ရှင်းရှင်းလင်းလင်းမကိုက်ညီသည့် ထည့်သွင်းမှုများပါရှိသည်၊ ပုံ 14။

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

ကျွန်ုပ်တို့သည် ဤအကွက်များကို dataset မှဖယ်ထုတ်ပြီး 214 records သို့ ပြောင်းလဲမှုများကို မှတ်တမ်းတင်ပါသည်။

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

ဇယား 6. 4th အဆင့်ပြီးနောက်ဒေတာအစုံအညွှန်းများကိုခွဲခြမ်းစိတ်ဖြာခြင်း။

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

ယေဘုယျအားဖြင့်၊ အညွှန်းကိန်းများ (ဇယား 6) ၏ပြောင်းလဲမှုများကို ခွဲခြမ်းစိတ်ဖြာခြင်းဟု ကျွန်ုပ်တို့ပြောနိုင်သည်-
1) စံသွေဖည်လီဗာသို့ ပျမ်းမျှသင်္ကေတအရေအတွက်၏အချိုးသည် 3 နှင့်နီးစပ်သောကြောင့်၊ ဆိုလိုသည်မှာ ပုံမှန်ဖြန့်ဖြူးမှုလက္ခဏာများ (sig maximal rule) ရှိသည်။
2) ပျမ်းမျှလီဗာမှ အနိမ့်ဆုံးနှင့် အမြင့်ဆုံး လီဗာများ၏ သိသာထင်ရှားသော သွေဖည်မှုမှာ အမြီးများကို လေ့လာခြင်းသည် အမှားအယွင်းများကို ရှာဖွေရာတွင် အလားအလာရှိသော ဦးတည်ချက်ဖြစ်ကြောင်း အကြံပြုသည်။

Schumann ၏နည်းစနစ်ကိုအသုံးပြု၍ အမှားအယွင်းများရှာဖွေခြင်း၏ရလဒ်များကိုစစ်ဆေးပါမည်။

မလှုပ်မရှား အဆင့်ဆင့်

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

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

ထိရောက်သောအဆင့်များ
၂.၁။ အဆင့် 2.2 (Schumann ဖော်မြူလာအတွက်) t2.2.1 = 8 နာရီ စုစုပေါင်းအချိန်။
အဆင့် 2.2.1 (Schumann ဖော်မြူလာအတွက်) n221 = 0 pcs တွင် ပြင်ဆင်ထားသော အမှားအရေအတွက်။
အဆင့် 2.2.2 t222 တွင် စုစုပေါင်းအချိန် = 4 နာရီ။
အဆင့် 2.2.2 (Schumann ဖော်မြူလာအတွက်) n222 = 583 pcs တွင်တွေ့ရှိရသော အမှားအယွင်းအရေအတွက်။

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

Schumann မော်ဒယ်၏ပထမအဆင့်တွင်ထည့်သွင်းရမည့်သုညအဆင့်များရှိပြီးအခြားတစ်ဖက်တွင်၊ အဆင့် 2.2 နှင့် 4 သည်မရှိမဖြစ်လိုအပ်သောလွတ်လပ်သည်ဖြစ်သောကြောင့်စမ်းသပ်မှုကြာချိန်တိုးလာသည်နှင့်အမျှ Schumann မော်ဒယ်သည်စမ်းသပ်မှုကြာချိန်တိုးလာသည်နှင့်အမျှအမှားကိုရှာဖွေတွေ့ရှိရန်ဖြစ်နိုင်ခြေလျော့နည်းသွားသည်၊ ဆိုလိုသည်မှာကျရှုံးမှုစီးဆင်းမှုလျော့နည်းသွားသည်၊ ထို့နောက်မည်သည့်အဆင့်ကိုလေ့လာခြင်းဖြင့်မည်သည့်အဆင့်ကိုဆုံးဖြတ်မည်ကိုလေ့လာခြင်းဖြင့်ဆုံးဖြတ်သည်။ ချို့ယွင်းမှု၏သိပ်သည်းဆသည် ပို၍ မကြာခဏဖြစ်ပြီး၊ ထိုအဆင့်ကို ဦးစွာပထမထားခြင်းဖြစ်သည်။

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 အမှားအယွင်းအရေအတွက် N2 = 3167 သည် အနိမ့်ဆုံးစံသတ်မှတ်ချက် 1459 ထက် ပိုများသည်ကို တွေ့နိုင်သည်။

အမှားပြင်ဆင်မှု၏ရလဒ်အနေဖြင့် ကျွန်ုပ်တို့သည် 805 အမှားများကို ပြင်ဆင်ခဲ့ပြီး ခန့်မှန်းထားသောနံပါတ်သည် 3167 - 805 = 2362 ဖြစ်ပြီး၊ ၎င်းသည် ကျွန်ုပ်တို့လက်ခံကျင့်သုံးသည့် အနိမ့်ဆုံးအဆင့်ထက် ပိုနေသေးသည်။

ကျွန်ုပ်တို့သည် parameter C၊ lambda နှင့် ယုံကြည်စိတ်ချရမှု function ကိုသတ်မှတ်သည်-

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

အခြေခံအားဖြင့်၊ lambda သည် အဆင့်တစ်ခုစီတွင် အမှားအယွင်းများကို တွေ့ရှိသည့်နှုန်း၏ တကယ့်ညွှန်ပြချက်တစ်ခုဖြစ်သည်။ ယခင်ခန့်မှန်းချက်ကိုကြည့်ပါ၊ ဤညွှန်ပြချက်သည်တစ်နာရီလျှင် 42,4 အမှားအယွင်းဖြစ်ပြီး Schumann ညွှန်ပြချက်နှင့်အတော်လေးနှိုင်းယှဉ်နိုင်သည်။ ဤအကြောင်းအရာ၏ ပထမအပိုင်းကို ရည်ညွှန်းကာ၊ ဆော့ဖ်ဝဲရေးသားသူ၏ အမှားရှာဖွေတွေ့ရှိမှုနှုန်းသည် 250,4 မှတ်တမ်းတစ်ခုလျှင် 1 အမှားထက် မနိမ့်သင့်ကြောင်း ဆုံးဖြတ်ထားပြီး တစ်မိနစ်လျှင် မှတ်တမ်းတစ်ခု စစ်ဆေးထားသည်။ ထို့ကြောင့် Schumann မော်ဒယ်အတွက် အရေးပါသော lambda တန်ဖိုးမှာ-
60 / 250,4 = 0,239617 ။

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

သို့မဟုတ် ညွှန်ပြချက် N (ဖြစ်နိုင်ချေရှိသော အမှားအယွင်းအရေအတွက်) အနုတ် n (ပြင်ဆင်ထားသော အမှားအယွင်းအရေအတွက်) သည် ကျွန်ုပ်တို့လက်ခံကျင့်သုံးသည့် (ပထမအပိုင်းတွင်) - 1459 ချပ်စ်အောက် လျော့နည်းသွားသည်အထိ သို့မဟုတ် ညွှန်ပြချက်

အပိုင်း ၁။ သီအိုရီ။

source: www.habr.com

မှတ်ချက် Add