लाइव Monte-Carlo सिमुलेटर
हजारों सिक्का-उछाल जागृतियाँ रियल टाइम में चलाएँ और देखें कि 1/2 बनाम 1/3 का विभाजन डेटा से कैसे उभरता है — कोई गणित की डिग्री आवश्यक नहीं।
Sleeping Beauty Lab प्रसिद्ध Sleeping Beauty समस्या — हाफर बनाम थर्डर, SSA/SIA, डूम्सडे तर्क और अधिक — को प्रयोग द्वारा सिखाता और बेंचमार्क करता है, जिसमें एक लाइव Monte-Carlo सिम्युलेटर है। निःशुल्क, ऑफ़लाइन, कोई साइनअप नहीं।

हजारों सिक्का-उछाल जागृतियाँ रियल टाइम में चलाएँ और देखें कि 1/2 बनाम 1/3 का विभाजन डेटा से कैसे उभरता है — कोई गणित की डिग्री आवश्यक नहीं।
प्रत्येक स्थिति को परीक्षण में डालें। Beauty की ओर से दाँव लगाएँ और देखें कि कौन सी विश्वसनीयता लंबे समय में वास्तव में पैसे जीतती है।
SSA/SIA, डूम्सडे तर्क, संदर्भ-वर्ग समस्या, धृष्ट दार्शनिक, UN++, फ़ुल नॉन-इंडेक्सिकल कंडीशनिंग और एंथ्रोपिक निर्णय सिद्धांत पर चरण-दर-चरण मार्गदर्शन।
halfer, thirder और निर्णय-सैद्धांतिक उत्तरों को सिमुलेटर और सटीक अंकगणित के विरुद्ध परखें, फिर क्विज़ और शब्दावली से स्वयं को जाँचें।
मूल विभाजन: जागने पर Beauty का हेड्स में विश्वास 1/2 है या 1/3? इसे चलाएं और निर्णय करें।
सेल्फ़-सैंपलिंग बनाम सेल्फ़-इंडिकेशन — वे दो धारणाएँ जिन पर हर एंथ्रोपिक उत्तर टिका है।
Sleeping Beauty समस्या के दो उचित उत्तर हैं: 1/2 और 1/3। ऐप दोनों स्थितियों को उनकी अपनी शर्तों पर समझाता है, इससे पहले कि सिम्युलेटर जो गिनता है वह दिखाए, ताकि आप देख सकें कि प्रत्येक आंतरिक रूप से संगत क्यों है।
Self-Sampling Assumption और Self-Indication Assumption दो उत्तरों के पीछे औपचारिक ढाँचे हैं। इन्हें समझना Doomsday Argument, संदर्भ-वर्ग समस्या, और अपने स्वयं के अस्तित्व के बारे में तर्क करने के तर्क को उजागर करता है।
आगे की स्क्रीनों में धृष्ट दार्शनिक, UN++, फ़ुल नॉन-इंडेक्सिकल कंडीशनिंग और एंथ्रोपिक निर्णय सिद्धांत शामिल हैं। हर विचार पिछले विचार पर आधारित है, और हर चरण में सटीक गणना है — कोई गोलमोल बात नहीं।