我们可以使用不同的比例。我们称其为小乌瓦洛夫系数：F_after (X) = F_before (u * X)
然而，在这种情况下更难以考虑季节性。其次，使用瑞利预测，如果根据u计算奖励，则将强烈依赖于CPO，为了避免这种情况，需要使用复杂的奖励计算函数。
瑞利分布
我们根据三个标准选择瑞利分布： 定义域是从 0 到无穷大。区块进入成本不能为负。
存在一个参数 简单分布函数
只剩下两种分布——瑞利分布和 肯尼亚电话号码表 指数分布。瑞利分布具有更合理的概率密度图。
二参数分布
双参数分布（例如对数正态分布）可以提供更高的准确性。为了确定分布，我们需要求解方程组。
F(Bid_0) = Share_CP_0
∫_0^(Bid_0) (xf(x))/(Share_CP_0 ) dx = CP 中的平均每次点击费用
F(x) 分布函数
f(x) 进入 SR 成本的概率密度
最后一个公式表达了不完整的数学期望。所有区块条目成本低于我们出价的展示的平均区块条目成本。
该方程组只能通过数值求解，求解该方程组后，表达式 Count = Forecast(CPO) 将变得极其复杂。
与瑞利不同的是，这个预测 AGB目录 需要控制月的平均利率，而这个数字并不在统计中。
当 SR 的份额接近 50% 时，该方法的误差急剧增加。此外，该方法对确定平均比率时的错误很敏感，特别是当 SR 中的份额超过 80-90% 时。
