RankPL 是一种建模语言，旨在通过将“正常”与“令人惊讶”事件区分开来，表现出无法表达的不确定性。你可以认为它是一种概率编程语言的定性变体。实际上它是一种常规的编程语言通过扩展语句，从给定的概率分布中随机抽取值和观察得来的变量的条件值，这些概率程序就代表了不同可能结果的概率分布，以此来代替确定性结果。
在语义上，RankPL 是概率理论的定性抽象，其中事件获得不连续的程度称为等级（rank）。事件的等级可以为 0（不奇怪），1（令人惊讶），2（非常令人惊讶）等等，如果不可能则为∞。
因此，RankPL是一种编程语言（一个简单的命令式），通过扩展语句从排序函数中随机抽取选项，并执行排名理论条件，通过区分正常（0）和惊奇（> 0）事件来模拟不确定性。
-
终于写完概率论部分的内容。写一个总结，同时算是导读。这两天花了些时间，对原文进行修订。自己预期的目标，是将概率论的理论和编程结合起来。这里选择的编程工具是Python和一些第三方的包。我看过一些概率的书籍。有一些在数学上处理得好，但太偏重于纯粹数学；概率和编程结合的书，又过“实用”，没有把概率论的数学本质讲清楚。理论是最好的实用。为什么不能把简洁优美的数学理论和同样美妙的编程合在一起呢？有了这个疑
-
介绍 语言特性，即lang包，主要针对JDK中的一些数据结构和接口的完善，包括： caller 获取方法调用者 copier 复制器抽象接口 func 函数接口 hash 哈希算法 loader 加载器抽象接口 mutable 提供可变对象 tree 提供树状结构 其它 总之，lang包下提供了一个大杂烩，汇集了各种数据结构。
-
在概率公理中，我们建立了“概率测度”的概念，并使用“面积”来类比。这是对概率的第一步探索。为了让概率这个工具更加有用，数学家进一步构筑了“条件概率”，来深入探索概率中包含的数学结构。我们可以考虑生活中常见的一个估计： 三个公司开发一块地。A占地20%，B占地30%，C占地50%。三个公司规划的绿地占比不同：A土地中40%规划为绿地，B土地中的30%规划为绿地，C土地中的10%规划为绿地。我想选择绿
-
概率论早期用于研究赌博中的概率事件。赌徒对于结果的判断基于直觉，但高明的赌徒尝试从理性的角度来理解。然而，赌博中的一些结果似乎有矛盾。比如掷一个骰子，每个数字出现的概率相等，都是1/6。然而，如果有两个骰子，那么出现的2到12这些数字的概率却不相同。概率论这门学科正是为了搞清楚这些矛盾背后的原理。 早期的概率论是一门混合了经验的数学学科，并没有严格的用语。因此，概率论在数学的精密架构下，显得有些异
-
面试时如果被问了一个概率题，那就要小心了，面试官可能要刷人了！ 面试概率题的特点： 题面不复杂 短时间可以解答 会者不难 RoadMap 概率论基础 TODO 常见面试题 古典概型 在一个有限的集合 S 中随机抽取一个元素，求该元素属于子集 T 的概率； 概率 p = 子集 T 中元素的数量 / 集合 S 中元素的数量 示例： 一枚均匀的骰子掷到 1 的概率： S = {1,2,3
-
问题内容： 过去，我使用C 作为编程语言。我知道用C 编写的代码会经过编译过程，直到成为目标代码“机器代码”为止。 我想知道Java在这方面如何工作。用户编写的Java代码如何由计算机运行？ 问题答案： Java实现通常使用两步编译过程。Java编译器将Java源代码编译为字节码。字节码由Java虚拟机（JVM）执行。现代JVM使用称为即时（JIT）编译的技术将字节码编译为硬件CPU在运行时即时理