第 1 页,共显示 8 / 194 篇文章
按年份查看 →
-
重抽用户和日期时,一条请求会被算几次?配对失败率差的鸽巢 Bootstrap分别抽取用户与日期,用两个抽中次数的乘积加权配对请求,逐轮重算失败率差并诊断空交叉样本。
14 分钟 中文 -
同一天的故障波及许多用户,失败率差的标准误怎么算?用户与日期双向聚类从共享日期冲击出发,用用户、日期与交叉单元格的残差和推导双向聚类方差,并用九格手算和纯 Python 核对。
16 分钟 中文 -
删掉一位重度用户,版本结论就翻转?请求比率的用户影响诊断从配对失败率差出发,区分请求占比与残差贡献,推导删一用户的精确比率变化,用四人例子和线性时间 Python 实现定位脆弱结论。
17 分钟 中文 -
两版失败率能分别算误差再相减吗?共享用户与分母的配对差推断从同请求双版本标签构造用户级计数差,推导共享分母的线性化残差,手算协方差如何改变标准误,并实现配对版本差的透明推断。
16 分钟 中文 -
不重采样上万轮,怎样估计请求风险误差?用户残差与比率线性化从请求失败比例的一阶展开推导用户级残差,手算标准误、核对协方差公式,并实现保留用户内相关性的线性化区间与退化诊断。
15 分钟 中文 -
请求级风险怎样保留用户内相关性?整用户 Bootstrap 与每轮重算比率以独立用户的失败次数和请求次数为成对输入,手算整用户重采样,解释为何请求级目标也要保留用户内依赖,并实现透明的 Bootstrap 区间。
16 分钟 中文 -
同一用户发来一百次请求,算一百个样本吗?用户级新增失败与完整观察窗把重复请求先聚合为用户内至少一次新增失败,明确用户、请求和观察窗的不同分母,再用完整用户名单计算可复核的风险上界。
15 分钟 中文 -
每个切片都要一条可信上界,核验人数怎样分?零事件预算菜单与同时覆盖将逐行可用的风险上界报表写成同时覆盖目标,从零事件精确上界反解人数,再在开封前枚举错误额度菜单,比较完整计划的整数成本。
15 分钟 中文