А вы на самом деле используете в работе F#?
Я пока только изучаю его, очень нравится, даже не столько сам язык, сколько приёмы, которые можно сделать на нём.
Наверняка это общее свойство ФП языков — красивые приёмы, просто этот самый Скотт обладает хорошим качеством доходчиво донести идеи. И даже монады он лучше всех разъясняет имхо. Если соберусь, переведу цикл его статей про монады.
Но вот никак не могу понять, пригодится мне в работе F# или останется просто академическим опытом, который несомненно изменяет стиль программирования.
Что скажете?
Так я об этом и говорю :)
В С++ в соответствии с 5 пунктом тоже не стоит делать модификацию объектов в методе.
Передавать параметр по ссылке для изменения — верный способ взорвать мозг того, кто будет читать этот код потом.
Или свой мозг через несколько месяцев.
Да я даже не про ОС :)
И никаких намёков на «Поповых».
Просто реально стало интересно какие отзывы, а там пустая страница.
А так, если у нас сделают хороший (пусть даже не наших корней) линукс, то почему бы и нет.
Заинтересовало что актуально — пошёл на сайт AstraLinux.
Решил почитать отзывы, понял как глубоко засекречено всё.
Может отзывы пишут как Ильич, молоком из хлебной чернильницы?
Результирующее распределение для независимых величин в строгой теории делается по формуле свёртки.
Но мне вот кажется, что эту задачу можно решить проще.
А в конце концов, как в первых постах сразу предложили можно решить семплированием.
Это стандартная задача статистического контроля.
Здесь есть генеральная совокупность с определённым математическим ожиданием и дисперсией.
Если распределение генсовокупности нормально (это можно принять в большинстве случаев с достаточно сильными ограничениями), то задача контроля по выборке определить оценки параметров, то есть, оценку МО и дисперсии.
Если задано, что коробка должна быть весом 310 с допустимым отклонением 7, то значит 310 — наиболее «правильное» значение и стремиться надо к нему, а ошибку определять полуразмахом допустимого интервала.
Тогда вес конфеты должен быть тоже 310/12, а не 305/12. Это оценка с максимальным правдоподобием при заданном нормальном распределении независимых несмещённых величин, и по вероятности сходится к ней.
Иначе получаются слишком экзотичные допущения.
На самом деле я понял в чём идея задачи, но пока не могу сообразить как решить.
Дело в том, что если мы выбираем максимальное значение допустимого отклонения, то тем самым обрубаем хвосты нормального распределения, и сумма переменных с таким обрубленным распределением ограничена сверху и меньше, чем сумма необрубленных.
Доверительный интервал отклонения суммы в данном случае будет функцией от значения допустимого отклонения веса конфеты.
Надо найти максимальное значение отклонения, которое установит требуемый доверительный интервал (+-7 при 0.9).
Я это говорю к тому, что если вы говорили о конкретной практичной задаче, то и ответ должен быть практичным.
Получать третий знак после запятой для отклонения веса конфеты в граммах мне кажется несколько чрезмерным.
Как говорил один мой преподаватель: «Если вы считаете точность попадания боевого блока метрового диаметра в микронах, то надо что-то исправлять в консерватории».
Я пока только изучаю его, очень нравится, даже не столько сам язык, сколько приёмы, которые можно сделать на нём.
Наверняка это общее свойство ФП языков — красивые приёмы, просто этот самый Скотт обладает хорошим качеством доходчиво донести идеи. И даже монады он лучше всех разъясняет имхо. Если соберусь, переведу цикл его статей про монады.
Но вот никак не могу понять, пригодится мне в работе F# или останется просто академическим опытом, который несомненно изменяет стиль программирования.
Что скажете?
Мне кажется, он как раз про то, о чём говорите.
В С++ в соответствии с 5 пунктом тоже не стоит делать модификацию объектов в методе.
Передавать параметр по ссылке для изменения — верный способ взорвать мозг того, кто будет читать этот код потом.
Или свой мозг через несколько месяцев.
Надеюсь, не сильно испортил оригинал :)
И никаких намёков на «Поповых».
Просто реально стало интересно какие отзывы, а там пустая страница.
А так, если у нас сделают хороший (пусть даже не наших корней) линукс, то почему бы и нет.
Решил почитать отзывы, понял как глубоко засекречено всё.
Может отзывы пишут как Ильич, молоком из хлебной чернильницы?
Но мне вот кажется, что эту задачу можно решить проще.
А в конце концов, как в первых постах сразу предложили можно решить семплированием.
Здесь есть генеральная совокупность с определённым математическим ожиданием и дисперсией.
Если распределение генсовокупности нормально (это можно принять в большинстве случаев с достаточно сильными ограничениями), то задача контроля по выборке определить оценки параметров, то есть, оценку МО и дисперсии.
Если задано, что коробка должна быть весом 310 с допустимым отклонением 7, то значит 310 — наиболее «правильное» значение и стремиться надо к нему, а ошибку определять полуразмахом допустимого интервала.
Тогда вес конфеты должен быть тоже 310/12, а не 305/12. Это оценка с максимальным правдоподобием при заданном нормальном распределении независимых несмещённых величин, и по вероятности сходится к ней.
Иначе получаются слишком экзотичные допущения.
Дело в том, что если мы выбираем максимальное значение допустимого отклонения, то тем самым обрубаем хвосты нормального распределения, и сумма переменных с таким обрубленным распределением ограничена сверху и меньше, чем сумма необрубленных.
Доверительный интервал отклонения суммы в данном случае будет функцией от значения допустимого отклонения веса конфеты.
Надо найти максимальное значение отклонения, которое установит требуемый доверительный интервал (+-7 при 0.9).
Получать третий знак после запятой для отклонения веса конфеты в граммах мне кажется несколько чрезмерным.
Как говорил один мой преподаватель: «Если вы считаете точность попадания боевого блока метрового диаметра в микронах, то надо что-то исправлять в консерватории».