Importanța unui observabil constă în faptul că poate transporta o mulțime de informații, chiar dacă depinde de variabile ascunse. De exemplu, ordinea de execuție a tranzacțiilor este un observabil. Depinde clar de variabile ascunse, cum ar fi fluxul de ordine. Totuși, este totuși posibil să construiești un estimator pornind de la observabile și să testezi ipotezele sau modelele pentru a evalua reproductibilitatea evenimentului observat, fără a cunoaște neapărat variabila ascunsă. Putem compara ordinea reală de execuție cu una ideală, unde tranzacțiile sunt ordonate perfect după prioritate, definind o distanță între ordinul real și ordinul ideal. Din aceasta, obținem o distribuție specifică pentru fiecare planificator. Sub presupuneri de bază, cum ar fi timpul petrecut pentru programarea tranzacțiilor înainte de execuție și gradul de paralelizare, putem reproduce distribuțiile măsurate folosind simulări în care fluxul de ordine este presupus a fi uniform între toate planificatoarele. Constatăm că: - un planificator care execută tranzacțiile pe măsură ce devin disponibile, folosind prioritatea doar pentru a rezolva tranzacțiile concurente, reproduce aproape perfect Agave - un planificator care bate și execută tranzacții la fiecare 50ms reproduce aproape perfect BAM - un planificator care așteaptă aproape de sfârșitul slotului înainte de a executa totul reproduce aproape perfect programatorul de venituri al lui Frankendancer Nimic din toate acestea nu presupune disparități în fluxul de ordine. Înseamnă asta că fluxul de ordine poate fi eliminat ca variabilă ascunsă? Nu. Faptul că un model reproduce datele nu implică faptul că perturbațiile asupra modelului nu pot avea efecte de coadă, făcând ca fluxul de ordine să fie o variabilă esențială atunci când se studiază valorile aberante sau evenimentele anormale repetate. Înseamnă asta că nu se poate învăța nimic operând sub un regim de "flux egal de ordine"? Nu. Ce înveți este cum se comportă programarea în condiții de paritate.