As n increases, the algorithm descr

As n increases, the algorithm described above quickly becomes computationally unfeasible. When X = 50 and n = 100,
for instance, step 1 in the algorithm amounts to computing 1029 permutations, which is extremely time-consuming. A
computationally feasible alternative is to use a smaller number of randomly chosen permutations and to assign a ν1 to
the observed permutation based on the proportion of random permutations which have smaller base 2 decimal expansions
than the observed permutation. In the comparison below, we refer to this as the random-permutations version of the Korn
and U(−1/2, 1/2) intervals. These intervals are computer-intensive, but not more so than other random permutation and
bootstrap methods. A caveat is however that some external randomness is introduced into the interval. The split sample
interval has the advantage that it is no more difficult to compute when n is large, and is preferable if computational power
is limited or if no external randomness is allowed.

ผลลัพธ์ (ไทย) 1:

อัลกอริทึมที่อธิบายข้างต้นได้อย่างรวดเร็วจะไม่ไม่น่าเป็น computationally เป็นเพิ่ม n เมื่อ X = 50 และ n = 100ตัวอย่าง ขั้น 1 ในยอดอัลกอริทึมการคำนวณ 1029 สับ ซึ่งจะใช้เวลานานมาก Aทางเลือก computationally เป็นไปได้คือ การใช้จำนวนสุ่มท่านสับเล็ก และ การกำหนด ν1 เพื่อสังเกตการเรียงสับเปลี่ยนตามสัดส่วนของสับสุ่มซึ่งมีขนาดเล็กฐานขยายทศนิยม 2กว่าสังเกตการเรียงสับเปลี่ยน ในการเปรียบเทียบด้านล่าง เราหมายถึงนี้เป็นรุ่นสุ่มสับของกรณ์และ U (−1/2, 1/2) ช่วงนั้น ช่วงนี้มีคอมพิวเตอร์มาก แต่ไม่มากดังนั้นกว่าอื่น ๆ เรียงสับเปลี่ยนแบบสุ่ม และวิธีการเริ่มต้นระบบ Caveat เป็นเป็นไรว่า randomness ภายนอกบางเป็นที่รู้จักในช่วง ตัวอย่างการแบ่งช่วงมีข้อดีที่ไม่ยากต่อการคำนวณเมื่อ n มีขนาดใหญ่ และมีพลังกว่าถ้าคำนวณไม่จำกัดหรือถ้า randomness ภายนอกไม่ได้

ผลลัพธ์ (ไทย) 2:

n เพิ่มขึ้นขั้นตอนที่อธิบายข้างต้นอย่างรวดเร็วกลายเป็นทำไม่ได้คอมพิวเตอร์ เมื่อ X = 50 และ n = 100,
ตัวอย่างเช่นขั้นตอนที่ 1 ในขั้นตอนวิธีการคำนวณจำนวนเงินที่จะเพิ่มเงิน 1029 ซึ่งเป็นอย่างมากที่ใช้เวลานาน
ทางเลือกที่เป็นไปได้การคำนวณคือการใช้ขนาดเล็กจำนวนพีชคณิตสุ่มเลือกและกำหนดν1การ
เปลี่ยนแปลงที่สังเกตตามสัดส่วนของพีชคณิตแบบสุ่มที่มีขนาดเล็กฐานที่ 2 การขยายทศนิยม
กว่าการเปลี่ยนแปลงที่สังเกตได้ ในการเปรียบเทียบด้านล่างที่เราอ้างถึงนี้เป็นรุ่นพีชคณิตสุ่มของกร
และ U (-1/2, 1/2) ช่วงเวลา ช่วงเวลาเหล่านี้เป็นเครื่องคอมพิวเตอร์จำนวนมาก แต่ไม่ได้มากไปกว่าการเปลี่ยนแปลงสุ่มอื่น ๆ และ
วิธีการบูต ข้อแม้เป็น แต่ที่บางแบบแผนภายนอกนำเข้าสู่ช่วง ตัวอย่างการแบ่ง
ช่วงเวลามีประโยชน์ที่มันไม่ยากที่จะคำนวณเมื่อ n คือขนาดใหญ่และเป็นที่นิยมถ้ากำลังการคำนวณ
จะถูก จำกัด หรือถ้าไม่มีแบบแผนภายนอกที่ได้รับอนุญาต

ผลลัพธ์ (ไทย) 3:

เป็น n เพิ่มขึ้น ขั้นตอนวิธีที่อธิบายข้างต้นได้อย่างรวดเร็วกลายเป็น computationally มีมาก่อนหรอกนะ เมื่อ x = 50 และ n = 100
ตัวอย่าง ขั้นที่ 1 ในขั้นตอนวิธีการคำนวณยอดเงิน 1 แสนชุลมุน ซึ่งใช้เวลานาน a
computationally เป็นไปได้ทางเลือกที่จะใช้จำนวนเล็ก ๆของสุ่มเลือกวิธีเรียงสับเปลี่ยนและการกำหนดν

1สังเกตการเปลี่ยนแปลงขึ้นอยู่กับสัดส่วนของลำดับแบบสุ่มซึ่งมีขนาดเล็ก 2 หลักทศนิยมขยาย
กว่า สังเกตการเปลี่ยนแปลง . ในการเปรียบเทียบด้านล่างที่เราอ้างถึงนี้เป็นรุ่นลำดับสุ่มของกรณ์
และ U ( − 1 / 2 , 1 / 2 ) ช่วง ช่วงเวลาเหล่านี้คอมพิวเตอร์ที่เข้มข้น แต่ไม่ดังกว่าการเปลี่ยนแปลงแบบสุ่มอื่น ๆ และวิธีบูตสแตรป
.ข้อแม้คือ แต่ที่ลืมตัวภายนอกบางอย่างเป็นที่รู้จักในช่วง การแบ่งตัวอย่าง
ช่วง มี ประโยชน์ ที่ มันไม่ยากที่จะคำนวณเมื่อ n มีขนาดใหญ่และดีกว่าถ้า
พลังคอมพิวเตอร์ถูก จำกัด หรือถ้าภายนอกไม่สุ่มจะได้รับอนุญาต