1. 60.
    0
    Baş donmesi yapar her bünye kaldıramaz
    ···
  2. 59.
    0
    roberto carlo" nun beyler. Hani zaten ismi adamın roberto carlo"s ya bunu yıllardır anlamadınız dimi ezikler
    ···
  3. 58.
    +1
    monte carlo gibi dünyanın en zengin şehrinden ismini alan bir sigara nasıl böyle gibindirik olabilir aklım almıyor.

    mesela samsun-maltepe'yi anlayabiliyorum, ama bunu anlamıyorum...
    ···
  4. 57.
    0
    Bunu nasıl içiyorlar aq tütünden farksız
    ···
  5. 56.
    0
    Ağırlıktan falan değil harbi tak gibi sigara amk
    ···
  6. 55.
    0
    içmeyen yazar ölsün.
    ···
  7. 54.
    0
    Ağır sigaradır tiryakilere tavsiye ederim
    ···
  8. 53.
    0
    çok sert sigara amk
    ···
  9. 52.
    0
    Kirmizisi sigaranin hasidir kralidir padisahidir
    Yeni yetmeler bulasmasin
    ···
  10. 51.
    0
    La bunun yeni bişeyi çıkmış herkes onu içiyor
    ···
  11. 50.
    0
    nane sar iç daha iyi amk.
    ···
  12. 49.
    0
    içmeyin beyler ciğerlerim 31 çekiyo aq
    ···
  13. 48.
    +1
    monte carlo red i kesinlikle içmeyin amk. iğrenç bi sigara. ağzımda bıraktığı iğrenç tat 2 gün boyunca geçmedi.
    ···
  14. 47.
    0
    kömür gibin amk ...
    ···
  15. 46.
    0
    Selena gomez filmi
    ···
  16. 45.
    +1
    almayın amk gidin lark için
    ···
  17. 44.
    0
    gibTiR EDiN iÇMEYYiN BUNU iÇiNCE OĞAZI gibiYO gibTiR EDiN FAKiRiZ DiYE RED ALDIK ALMAZ OLAYDIM AMK PARAMA YAZIK ÜÜÜÜ
    ···
  18. 43.
    0
    istatistikte kullanılan bir hesaplama yöntemi. Özellikle Bayesian hesaplamalarda tüm bilinmeyen parametre ve değişkenlerin üzerinden alınan kocaman integraller analitik olarak çözülemez hale gelir. Bu durumda bu integralleri hesaplamak için Monte Carlo simülasyon yöntemleri asimptotik olarak yaklaşım gösteren doğrulukta yakın sonuçlar almak için kullanılır. En basit olarak x diye bir random değişkenimiz olduğunu ve bunun p(x) dağılımına göre dağıldığını düşünelim. f(x) de argüman olarak x'in değerlerini alan bir fonksiyon olsun. f(x)'in beklenen değeri (expected value) yani E[f(x)], E[f(x)] = ∫f(x)p(x)dx olarak hesaplanır. Eğer biz p(x) dağılımından birbirinden istatistiksel olarak bağımsız N tane x1,x2,... ,xN değişkeni çekebiliyorsak E[f(x)]'i biz ∫f(x)p(x)dx ≈ (f(x1) + f(x2) + ... + f(xN))/N şeklinde yaklaşık olarak hesaplayabiliriz. Bu toplamın beklenen değeri Law of Large Numbers'a göre E[f(x)]'e eşittir. Varyansı da Central Limit Theorem'e ve analitik hesaplamayla gösterebileceğimize göre N büyüdükçe 0'a yakınsar. Bu şekilde böyle devasa integralleri simüle edebiliriz. Burada sıkıntı p(x) özellikle çok boyutlu bir dağılım olunca bağımsız x'leri çekebilmenin çok zorlaşması. Bu durumda da Markov Chain Monte Carlo gibi yöntemler devreye girer, birbiriyle bağımlı ama marjinalleri bağımsız davranan x'ler çekeriz Markov Chain'den.

    Kısaca am, züt, meme.
    ···
  19. 42.
    0
    monte carlo night blue deneyin
    ···
  20. 41.
    0
    fakirlikten monte carlo aldim

    sigarayı bırakıyorum amk :D
    ···