{ "version": "https:\/\/jsonfeed.org\/version\/1", "title": "Блог Антона Репушко: заметки с тегом образование", "_rss_description": "Блог Антона Репушко", "_rss_language": "ru", "_itunes_email": "", "_itunes_categories_xml": "", "_itunes_image": "", "_itunes_explicit": "", "home_page_url": "https:\/\/repushko.com\/tags\/obrazovanie\/", "feed_url": "https:\/\/repushko.com\/tags\/obrazovanie\/json\/", "icon": "https:\/\/repushko.com\/user\/userpic@2x.jpg?1608852798", "author": { "name": "Антон Репушко", "url": "https:\/\/repushko.com\/", "avatar": "https:\/\/repushko.com\/user\/userpic@2x.jpg?1608852798" }, "items": [ { "id": "54", "url": "https:\/\/repushko.com\/all\/rejection-sampling-i-reservoir-sampling\/", "title": "Rejection sampling и Reservoir sampling", "content_html": "

Разобрался на днях с двумя интересными алгоритмами про выборки.<\/p>\n

Rejection sampling<\/a> находил в задачах вроде «с помощью функции, которая гарантирует равновероятное выпадение целого числа в интервале [1...7], создайте функцию, которая делает тоже самое, но в интервале от [1...10]». Ещё такая же задача была однажды у меня на собесе в Яндексе: дана монетка с вероятностью выпадения орла\/решки ½. С помощью этой монетки нужно смоделировать вероятность ⅓. Я интуитивно дошёл до решения и доказал, что это работает, но конкретно названия группы алгоритмов не знал.<\/p>\n

Reservoir sampling<\/a> про то, как смоделировать равновероятный выбор элемента при неизвестной конечной размерности множества вариантов.<\/p>\n", "date_published": "2020-10-14T21:28:27+03:00", "date_modified": "2020-10-14T21:28:38+03:00", "_date_published_rfc2822": "Wed, 14 Oct 2020 21:28:27 +0300", "_rss_guid_is_permalink": "false", "_rss_guid": "54", "_e2_data": { "is_favourite": false, "links_required": [], "og_images": [] } }, { "id": "30", "url": "https:\/\/repushko.com\/all\/to-read\/", "title": "Почитать", "content_html": "

Уменьшая информационный шум и повышая качество информации, сейчас читаю:<\/p>\n