Pengő
Multi tool use
O pengő foi a unidade monetária da Hungria entre 21 de janeiro de 1927 e 31 de julho de 1946, quando foi substituída pelo florim húngaro (forint). Caracterizou-se por ter alcançado a mais alta taxa de hiperinflação de todos os tempos.
Depois do fim da Primeira Guerra Mundial, a coroa austro-húngara padeceu de altas taxas de inflação. Com o colapso do Império Austro-Húngaro, a Hungria tornou-se um Estado independente e optou por cunhar sua própria moeda, o pengő. Inicialmente, equivalia a 12.500 coroas ou, em termos de ouro, 3,8 pengő valiam tanto quanto um grama do metal precioso.
O pengő perdeu seu valor rapidamente após o final da Segunda Guerra Mundial, quando foi submetido a um intenso processo hiperinflacionário. Chegaram a ser emitidos bilhetes com o valor nominal de 1020 pengő.
A economia húngara só se estabilizou com a introdução da atual moeda, o florim húngaro, em 1 de agosto de 1946. 1 florim equivalia à espantosa quantia de 400 octilhões de pengő (4×1029).
 |
Este artigo sobre numismática é um esboço. Você pode ajudar a Wikipédia expandindo-o. |
O5o,X4dsITLObT86aiqj,fhMh9,iULKl2XnyrM
Popular posts from this blog
0
I found a lot of questions abount appendices and ToC. Many users want appendices to be grouped in an Appendix part, however some problems arise with ToC, hyperref, PDF viewer bookmarks, and so on. There are different solutions which require extra packages, command patching and other extra code, however none of them satisfies me. I almost found an easy way to accomplish a good result, where appendices are added to bookmarks in the right way and hyperref links point to the right page. However, the number of the "Appendix" part page is wrong (it's the number of appendix A). Is there any EASY way to fix that? This is a MWE: documentclass{book} usepackage[nottoc,notlot,notlof]{tocbibind} usepackage{hyperref} begin{document} frontmatter tableofcontents mainmatter part{First} chapter{...
1
In the sklearn.model_selection.cross_val_predict page it is stated: Generate cross-validated estimates for each input data point. It is not appropriate to pass these predictions into an evaluation metric. Can someone explain what does it mean? If this gives estimate of Y (y prediction) for every Y (true Y), why can't I calculate metrics such as RMSE or coefficient of determination using these results?
python scikit-learn cross-validation
share | improve this question
edited Nov 28 '18 at 17:52
desertnaut
20.3k 7 43 79
...
0
I have problem with inserting data to MySQL from modal. My modal: <a href="#" class="badge badge-pill badge-success">6 komentarzy</a> <a href="#" class="badge badge-pill badge-danger">brak komentarzy</a> <a data-toggle="modal" href="#add_desk_comm_{$desk_['desk_id']}" data-target="#add_desk_comm_{$desk_['desk_id']}" class="ediiit">(dodaj)</a> <div class="modal fade" id="add_desk_comm_{$desk_['desk_id']}" tabindex="-1" role="dialog" aria-labelledby="edit_printer" aria-hidden="true"> <div class="modal-dialog" role="document"> ...
