Σε αυτήν τη σελίδα μπορείτε να λάβετε μια λεπτομερή ανάλυση μιας λέξης ή μιας φράσης, η οποία δημιουργήθηκε χρησιμοποιώντας το ChatGPT, την καλύτερη τεχνολογία τεχνητής νοημοσύνης μέχρι σήμερα:
Εισαγάγετε οποιοδήποτε κείμενο. Η μετάφραση θα γίνει με τεχνολογία τεχνητής νοημοσύνης.
Εισάγετε ένα ρήμα σε οποιαδήποτε γλώσσα. Το σύστημα θα εκδώσει έναν πίνακα συζήτησης του ρήματος σε όλες τις πιθανές χρόνους.
Εισαγάγετε οποιαδήποτε ερώτηση σε ελεύθερη μορφή σε οποιαδήποτε γλώσσα.
Μπορείτε να εισαγάγετε λεπτομερή ερωτήματα που αποτελούνται από πολλές προτάσεις. Για παράδειγμα:
фирменное название
вибрационный сейсмический метод
общая лексика
принадлежащая функция (языка Си++)
математика
выборочная функция
реализация процесса
общая лексика
метод экземпляра класса
любой метод, применяемый к экземпляру класса
синоним
Смотрите также
In combinatorial mathematics and probability theory, the Schrödinger method, named after the Austrian physicist Erwin Schrödinger, is used to solve some problems of distribution and occupancy.
Suppose
are independent random variables that are uniformly distributed on the interval [0, 1]. Let
be the corresponding order statistics, i.e., the result of sorting these n random variables into increasing order. We seek the probability of some event A defined in terms of these order statistics. For example, we might seek the probability that in a certain seven-day period there were at most two days in on which only one phone call was received, given that the number of phone calls during that time was 20. This assumes uniform distribution of arrival times.
The Schrödinger method begins by assigning a Poisson distribution with expected value λt to the number of observations in the interval [0, t], the number of observations in non-overlapping subintervals being independent (see Poisson process). The number N of observations is Poisson-distributed with expected value λ. Then we rely on the fact that the conditional probability
does not depend on λ (in the language of statisticians, N is a sufficient statistic for this parametrized family of probability distributions for the order statistics). We proceed as follows:
so that
Now the lack of dependence of P(A | N = n) upon λ entails that the last sum displayed above is a power series in λ and P(A | N = n) is the value of its nth derivative at λ = 0, i.e.,
For this method to be of any use in finding P(A | N =n), must be possible to find Pλ(A) more directly than P(A | N = n). What makes that possible is the independence of the numbers of arrivals in non-overlapping subintervals.