Bir gözlemlenebilirin önemi, gizli değişkenlere bağlı olsa bile çok fazla bilgi taşıyabilmesidir. Örneğin, işlem yürütme sırası gözlemlenebilir bir şeydir. Bu açıkça gizli değişkenlere, örneğin orderflow gibi faktörlere bağlıdır. Ancak, gözlemlenebilir ve test edilen varsayımlar veya modellerden bir tahmin yapıp gözlemlenen olayın tekrarlanabilirliğini değerlendirmek mümkün olabilir; ancak gizli değişken mutlaka bilinmeden. Gerçek yürütme sırasını, işlemlerin öncelikle mükemmel şekilde sıralandığı ideal bir siparişle karşılaştırabiliriz; gerçek sıra ile ideal sıra arasında bir mesafe tanımlayabiliriz. Buradan, her zamanlayıcı için belirli bir dağılım elde ederiz. Yürütme öncesi işlemlerin zamanlanması ve paralelleştirme derecesi gibi temel varsayımlar altında, emir akışının tüm zamanlayıcılar arasında eşit olduğu varsayılan simülasyonlar kullanılarak ölçülen dağılımları yeniden üretebiliriz. Şunu buluyoruz: - işlemleri erişilebilir olduklarında yürüten ve eşzamanlı işlemleri çözmek için öncelik kullanan, Agave'yi neredeyse kusursuz şekilde yeniden üreten bir zamanlayıcı - işlemleri her 50ms'de bir toplu yapıp yürüten bir zamanlayıcı neredeyse kusursuz şekilde BAM'ı yeniden üretir - her şeyi uygulamadan önce slotun sonuna kadar bekleyen bir zamanlayıcı, Frankendancer'ın gelir zamanlayıcısını neredeyse kusursuz şekilde yeniden üretir Bunların hiçbiri düzen akışında eşitsizlik varsayımında değildir. Bu, sipariş akışının gizli bir değişken olarak ortadan kaldırılabileceği anlamına mı geliyor? Hayır. Bir modelin veriyi yeniden üretmesi, modeldeki bozulmaların kuyruk etkileri yaratmayacağı anlamına gelmez; bu da orderflow'u dışnamaları veya tekrarlanan anormal olayları incelerken temel bir değişken yapar. Bu, "eşit emir akışı" rejimi altında hareket ederek hiçbir şey öğrenilemez mi? Hayır. Öğrendiğiniz şey, parite koşullarında programlamanın nasıl davrandığıdır.