#paradoks — Public Fediverse posts
Live and recent posts from across the Fediverse tagged #paradoks, aggregated by home.social.
-
Indonesia masuk 3 besar dunia untuk 12 komoditas unggulan, tapi 50-60% penduduk masih rentan miskin. Mengapa kekayaan alam belum berbanding lurus dengan kesejahteraan? Simak analisis 5W+1H.
#fediverse #Paradoks #Indonesia #Raksasa
https://dalam.web.id/opini-sosial/paradoks-indonesia-raksasa-komoditas
-
Paradoks / Aja Gulris / Klarskov / SoundVibe: Tamara / CøkiT / StefAir / VI/TO @ Culture Box - 17 Apr feat. Paradoks, Aja Gulris, Tamara + more
-
Allah memberi Akal yang sangat berharga kepada manusia. Gunakan untuk mikir, termasuk memahami Sains. Sains adalah cara kita membaca ayat-ayat Allah yang tercipta di alam semesta. Kalau menolak sains, silakan lepas Akal, tidak usah pakai Akal.
#fediverse #Paradoks #Hilal #Kenapa
https://dalam.web.id/jejak-sejarah/paradoks-hilal-rukyat-hisab-astronomi-islam
-
Di Tengah Ketakutan Shutdown, Saham Justru Cetak Rekor Tertinggi: Apa yang Dorong Rally Ini?
Tradingan - Dalam #dunia #investasi yang biasanya #digerakkan oleh #data, minggu ini memberikan sebuah #paradoks. #Pemerintah AS di ambang shutdown, yang mengakibatkan #penundaan sejumlah data ekonomi kunci, termasuk laporan tenaga kerja (nonfarm payrolls) yang sangat dinantikan. Namun, alih-alih panik, pasar justru bergerak naik. Indeks Nasdaq dan S&P 500 berhasil…
-
Patronaty F-ta:
»Artur Urbanowicz „Kultor”«Wyczekiwany powrót na Suwalszczyznę Artura Urbanowicza - tym razem za sprawą "Kultora". Książka ukaże się 21 maja 2025 roku nakładem Wydawnictwa Czarna Owca i pod patronatem Fahrenheita.
https://www.fahrenheit.net.pl/ksiazki/o-ksiazkach/fantastyka/patronaty-f-ta/artur-urbanowicz-kultor/
#Fahrenheit_zin #horror #CzarnaOwca #Gałęziste #ArturUrbanowicz #książka #Paradoks #Inkub #DawidBoldys #groza #WydawnictwoCzarnaOwca #Kultor #Grzesznik #Deman
-
#losowość #prawdopodobieństwo #kostka #paradoks #hazard #GetRichScheme #ChangeMyMind
W szkole wpojono mi przekonanie, że - w warunkach idealnych - prawdziwe są następujące twierdzenia:
1. Prawdopodobieństwo uzyskania danej liczby l ∈ {1,2,3,4,5,6} w pojedynczym rzucie kostką sześcienną 1K6 wynosi 1/6.
2. Przy odpowiednio długiej serii n rzutów (nK6) częstość występowania każdej z liczb l wyniesie c(l) = n/6.
A teraz pomyślmy:
a) W rzucie (n-4)K6 mamy już tylko 5 liczb, których możemy oczekiwać, jeśli twierdzenie 2 jest prawdziwe. I ta pula maleje aż do rzutu n-1K6, kiedy mamy już tylko jedną liczbę potrzebną do wypełnienia się twierdzenia 2.
b) Ponieważ n nie jest wyliczalne teoretycznie (jeśli jest, niech ktoś mnie poprawi), możemy je poznać wyłącznie empirycznie (indukcyjnie), wykonując serię N rzutów i badając ich wyniki. Dla różnych wartości n (6=<n=<N) wartości c(l) dla każdej z liczb będą oscylować wokół n/6, co pozwoli nam wykryć takie wartości n, przy których spełnienie twierdzenia jest najbardziej prawdopodobne.
c) Jeśli takich wartości nie wykryjemy, oznaczać to będzie, że założona wartość N jest zbyt mała i w jej zakresie występowanie danych wartości jest nielosowe. Będzie się to przejawiać w rozkładzie wartości c(l) w macierzy wartości l, wskazującym na "nadreprezentację" lub "niedoreprezentację" poszczególnych liczb dla danego n.
d) Zarówno spełnienie twierdzenia (b), jak (c) daje nam lepsze niż 1/6 szanse przewidzenia wyniku rzutu n na podstawie wyników serii (n-1)k6.
Konkluzja:
Aplikując praktycznie powyższe twierdzenia i pod warunkiem dostępu do odpowiednio długiej historii wyników dowolnego procesu losowego, możemy znacząco zwiększyć trafność przewidywań wyników jego kolejnej iteracji.
-
#losowość #prawdopodobieństwo #kostka #paradoks #hazard #GetRichScheme #ChangeMyMind
W szkole wpojono mi przekonanie, że - w warunkach idealnych - prawdziwe są następujące twierdzenia:
1. Prawdopodobieństwo uzyskania danej liczby l ∈ {1,2,3,4,5,6} w pojedynczym rzucie kostką sześcienną 1K6 wynosi 1/6.
2. Przy odpowiednio długiej serii n rzutów (nK6) częstość występowania każdej z liczb l wyniesie c(l) = n/6.
A teraz pomyślmy:
a) W rzucie (n-4)K6 mamy już tylko 5 liczb, których możemy oczekiwać, jeśli twierdzenie 2 jest prawdziwe. I ta pula maleje aż do rzutu n-1K6, kiedy mamy już tylko jedną liczbę potrzebną do wypełnienia się twierdzenia 2.
b) Ponieważ n nie jest wyliczalne teoretycznie (jeśli jest, niech ktoś mnie poprawi), możemy je poznać wyłącznie empirycznie (indukcyjnie), wykonując serię N rzutów i badając ich wyniki. Dla różnych wartości n (6=<n=<N) wartości c(l) dla każdej z liczb będą oscylować wokół n/6, co pozwoli nam wykryć takie wartości n, przy których spełnienie twierdzenia jest najbardziej prawdopodobne.
c) Jeśli takich wartości nie wykryjemy, oznaczać to będzie, że założona wartość N jest zbyt mała i w jej zakresie występowanie danych wartości jest nielosowe. Będzie się to przejawiać w rozkładzie wartości c(l) w macierzy wartości l, wskazującym na "nadreprezentację" lub "niedoreprezentację" poszczególnych liczb dla danego n.
d) Zarówno spełnienie twierdzenia (b), jak (c) daje nam lepsze niż 1/6 szanse przewidzenia wyniku rzutu n na podstawie wyników serii (n-1)k6.
Konkluzja:
Aplikując praktycznie powyższe twierdzenia i pod warunkiem dostępu do odpowiednio długiej historii wyników dowolnego procesu losowego, możemy znacząco zwiększyć trafność przewidywań wyników jego kolejnej iteracji.
-
#losowość #prawdopodobieństwo #kostka #paradoks #hazard #GetRichScheme #ChangeMyMind
W szkole wpojono mi przekonanie, że - w warunkach idealnych - prawdziwe są następujące twierdzenia:
1. Prawdopodobieństwo uzyskania danej liczby l ∈ {1,2,3,4,5,6} w pojedynczym rzucie kostką sześcienną 1K6 wynosi 1/6.
2. Przy odpowiednio długiej serii n rzutów (nK6) częstość występowania każdej z liczb l wyniesie c(l) = n/6.
A teraz pomyślmy:
a) W rzucie (n-4)K6 mamy już tylko 5 liczb, których możemy oczekiwać, jeśli twierdzenie 2 jest prawdziwe. I ta pula maleje aż do rzutu n-1K6, kiedy mamy już tylko jedną liczbę potrzebną do wypełnienia się twierdzenia 2.
b) Ponieważ n nie jest wyliczalne teoretycznie (jeśli jest, niech ktoś mnie poprawi), możemy je poznać wyłącznie empirycznie (indukcyjnie), wykonując serię N rzutów i badając ich wyniki. Dla różnych wartości n (6=<n=<N) wartości c(l) dla każdej z liczb będą oscylować wokół n/6, co pozwoli nam wykryć takie wartości n, przy których spełnienie twierdzenia jest najbardziej prawdopodobne.
c) Jeśli takich wartości nie wykryjemy, oznaczać to będzie, że założona wartość N jest zbyt mała i w jej zakresie występowanie danych wartości jest nielosowe. Będzie się to przejawiać w rozkładzie wartości c(l) w macierzy wartości l, wskazującym na "nadreprezentację" lub "niedoreprezentację" poszczególnych liczb dla danego n.
d) Zarówno spełnienie twierdzenia (b), jak (c) daje nam lepsze niż 1/6 szanse przewidzenia wyniku rzutu n na podstawie wyników serii (n-1)k6.
Konkluzja:
Aplikując praktycznie powyższe twierdzenia i pod warunkiem dostępu do odpowiednio długiej historii wyników dowolnego procesu losowego, możemy znacząco zwiększyć trafność przewidywań wyników jego kolejnej iteracji.
-
#losowość #prawdopodobieństwo #kostka #paradoks #hazard #GetRichScheme #ChangeMyMind
W szkole wpojono mi przekonanie, że - w warunkach idealnych - prawdziwe są następujące twierdzenia:
1. Prawdopodobieństwo uzyskania danej liczby l ∈ {1,2,3,4,5,6} w pojedynczym rzucie kostką sześcienną 1K6 wynosi 1/6.
2. Przy odpowiednio długiej serii n rzutów (nK6) częstość występowania każdej z liczb l wyniesie c(l) = n/6.
A teraz pomyślmy:
a) W rzucie (n-4)K6 mamy już tylko 5 liczb, których możemy oczekiwać, jeśli twierdzenie 2 jest prawdziwe. I ta pula maleje aż do rzutu n-1K6, kiedy mamy już tylko jedną liczbę potrzebną do wypełnienia się twierdzenia 2.
b) Ponieważ n nie jest wyliczalne teoretycznie (jeśli jest, niech ktoś mnie poprawi), możemy je poznać wyłącznie empirycznie (indukcyjnie), wykonując serię N rzutów i badając ich wyniki. Dla różnych wartości n (6=<n=<N) wartości c(l) dla każdej z liczb będą oscylować wokół n/6, co pozwoli nam wykryć takie wartości n, przy których spełnienie twierdzenia jest najbardziej prawdopodobne.
c) Jeśli takich wartości nie wykryjemy, oznaczać to będzie, że założona wartość N jest zbyt mała i w jej zakresie występowanie danych wartości jest nielosowe. Będzie się to przejawiać w rozkładzie wartości c(l) w macierzy wartości l, wskazującym na "nadreprezentację" lub "niedoreprezentację" poszczególnych liczb dla danego n.
d) Zarówno spełnienie twierdzenia (b), jak (c) daje nam lepsze niż 1/6 szanse przewidzenia wyniku rzutu n na podstawie wyników serii (n-1)k6.
Konkluzja:
Aplikując praktycznie powyższe twierdzenia i pod warunkiem dostępu do odpowiednio długiej historii wyników dowolnego procesu losowego, możemy znacząco zwiększyć trafność przewidywań wyników jego kolejnej iteracji.
-
#losowość #prawdopodobieństwo #kostka #paradoks #hazard #GetRichScheme #ChangeMyMind
W szkole wpojono mi przekonanie, że - w warunkach idealnych - prawdziwe są następujące twierdzenia:
1. Prawdopodobieństwo uzyskania danej liczby l ∈ {1,2,3,4,5,6} w pojedynczym rzucie kostką sześcienną 1K6 wynosi 1/6.
2. Przy odpowiednio długiej serii n rzutów (nK6) częstość występowania każdej z liczb l wyniesie c(l) = n/6.
A teraz pomyślmy:
a) W rzucie (n-4)K6 mamy już tylko 5 liczb, których możemy oczekiwać, jeśli twierdzenie 2 jest prawdziwe. I ta pula maleje aż do rzutu n-1K6, kiedy mamy już tylko jedną liczbę potrzebną do wypełnienia się twierdzenia 2.
b) Ponieważ n nie jest wyliczalne teoretycznie (jeśli jest, niech ktoś mnie poprawi), możemy je poznać wyłącznie empirycznie (indukcyjnie), wykonując serię N rzutów i badając ich wyniki. Dla różnych wartości n (6=<n=<N) wartości c(l) dla każdej z liczb będą oscylować wokół n/6, co pozwoli nam wykryć takie wartości n, przy których spełnienie twierdzenia jest najbardziej prawdopodobne.
c) Jeśli takich wartości nie wykryjemy, oznaczać to będzie, że założona wartość N jest zbyt mała i w jej zakresie występowanie danych wartości jest nielosowe. Będzie się to przejawiać w rozkładzie wartości c(l) w macierzy wartości l, wskazującym na "nadreprezentację" lub "niedoreprezentację" poszczególnych liczb dla danego n.
d) Zarówno spełnienie twierdzenia (b), jak (c) daje nam lepsze niż 1/6 szanse przewidzenia wyniku rzutu n na podstawie wyników serii (n-1)k6.
Konkluzja:
Aplikując praktycznie powyższe twierdzenia i pod warunkiem dostępu do odpowiednio długiej historii wyników dowolnego procesu losowego, możemy znacząco zwiększyć trafność przewidywań wyników jego kolejnej iteracji.
-
@baggetun og da er sørover synonymt med Oslofjordbotn, altså det eneste stedet i landet med høyere eiendomspriser enn Tromsø.
#paradoks #allheimen -
Czy kogoś bez kompetencji, można pozbawić kompetencji? #Ozdoba #Decoration #paradoks
-
@raydnoper @jgj @evateemad seda on keeruline ravida.. vaja on B1-te, aga seda saab kõige paremini õllest..
#paradoks
