t-Luck Algorithm

Как да измерим късмета

Точното измерване на късмета или по-скоро опитът да се предскажат пропуските в шанса на рулетка в краткосрочен план е чиста утопия, но тъй като броят на завъртанията се увеличава, благодарение на статистиката прогнозите започват да стават все по-малко приблизителни, по същество пропуските, които определят нашия късмет или нещастие при залагането на шанс на рулетка, всъщност са измерими.

Възможен начин за измерване на пропуски е този, който вече е описан в ► този пост, когато ви разказвам за известния коефициент на Марини.

Коефициентът на Marigny обаче има граници, тъй като се основава само на противоположни и неправдоподобни шансове, т.е. без да се отчита наличието на нула, което за съжаление представлява сериозна грешка в оценката.

Всъщност, ако разгледаме например 40.000 5 завъртания на рулетка, според Марини ще имаме, че максималният ни късмет (равен на 1.000 пъти квадратния корен на изиграни завъртания) ще бъде 40.000 спечелени единици, но е жалко, че при 1.081 38.000 завъртания също ще срещнем 40.000 пъти нула, така че както можете да видите с рулетни залози на червено или черно при четна маса (плосък залог), достигнали XNUMX XNUMX/XNUMX XNUMX завъртания, поради нула е математически невъзможно да спечелите дори една единица!

Този лимит обаче е много по-голям, ако вземем предвид залозите на единичното число, в този случай всъщност, като винаги се стремим към равномерна маса (плосък залог), можем да оцелеем дори над 200.000 XNUMX завъртания!

Симулацията на предишното изображение е получена със софтуерния бот ► Roulette Bias Sniper, както можете да видите след 215.000 2 завъртания, изиграни плосък залог, все още има 30 числа, които биха накарали играча да спечели еквивалента на около 1.000 единични печеливши числа, така че над XNUMX единици! Но това е тема, която ще обсъдим по-задълбочено в друга публикация.

Друг метод за измерване на пропуски, но много по-прецизен от предишния, е ► T-разпределение на ученика, което ще илюстрирам веднага.

Първият стълб на този метод е мерната единица за пропуски, т.нар стандартно отклонение (кв. м).

Стандартното отклонение е равно на квадратния корен от произведението на общия брой събития (n), умножен по благоприятните вероятности (p) и противоположните вероятности (q).

sqm = RADQ (n * p * q)

например, ако разгледаме 1.369 завъртания на рулетка, които имаме

sqm = RADQ (1.369 * 1/37 * 36/37) = 6.

Вторият стълб на т студент è средно аритметично на събитие (m), което е равно на произведението на броя на събитията (n) и благоприятната вероятност.

m = n * p

отново във връзка с 1.369 завъртания по-горе, ако разгледаме едно число, имаме:

m = 1.369 * 1/37 = 37

Тези две стойности, средно (m) и средно квадратично отклонение (sqm), са с абсолютна статистическа стойност, тъй като позволяват всяка разлика да бъде намалена до една и съща мерна единица, независимо от събитието, в което се случва.

Това важно намаление се постига именно чрез т студент, което е съотношението между отклонението (разбира се като разликата между благоприятните събития U и средната стойност) и средното квадратно отклонение.

Следователно имаме това:

t = (U - m) / кв

Отново по отношение на хипотетичните 1.369 хвърляния на рулетка, ако например числото 13 се появи деветнадесет пъти, имаме

t = (19 - 37) / 6 = - 3

Знакът + или - показва хиперчестота или хипочестота.

Коефициентът т студент следователно е много полезно, защото има статистически таблици, които също могат да бъдат намерени в мрежата, които посочват esattamente процентът на вероятност за превишаване на определени стойности на t.

Обикновено се приема, че максимална граница дел т студент е равно на 4, това е статистическата граница, за която е договорено, че вероятността за превишаването му е практически нулева.

Преди да продължите, не забравяйте това ThatsLuck можете също да намерите безплатно съдържание, ако искате да сте в течение на публикациите, абонирайте се за канала на ►YouTube.


Двете грешки на Марини

Изяснено какво т студент и как се изчислява, веднага ви казвам, че този метод на измерване е определено по-подходящ от коефициента на Marigny, тъй като в резултатите, които произвежда, той взема предвид и данъка (нула).

Голяма грешка на Марини беше да мисли, че щом шансът достигне разлика 3 или по-висока, той непременно трябва да се върне, затова той предложи да се стреми към незабавно връщане на разликата.

Първата грешка на Марини не се съобразява с нулата, защото ако е абсолютно вярно, че пропастта трябва да бъде върната, също толкова вярно е, че никой не може да установи априори в колко удара трябва да възникне тази пропаст.

Ако шанс достигне например празнина 4 (много висок коефициент на Марини, тъй като максимумът е 5), кой може да ни увери, че фаза на редуване между червено и черно, която продължава дори стотици завъртания, не може да започне?

Не е лошо, някой ще си помисли, че във фазите на редуване не печелите, но и не губите ... но не, защото във всеки случай нулата ще излезе според неговото очакване, като предварително ще ерозира всички предимства, които бихме могли да постигнем когато пропастта наистина се върне към естественото равновесие.

Втора и най-сериозна грешка на Марини: разглеждането на завъртанията, събрани в продължение на няколко дни и от различна рулетка, като една постоянност (известна още като „лична постоянство“).

Емпирично тествах тази завладяваща концепция и след няколко милиона симулирани завъртания стигнах до това заключение: за целите на конкретната статистическа надеждност пропуските в рулетката трябва да се измерват изключително в поредица от завъртания, отнасящи се до същия генератор, който ги е произвел. в непрекъсната серия от изстрелвания.

С други думи, ако искаме анализ на 1.000 завъртания да бъде надежден, трябва да записваме непрекъснато 1.000 завъртания в една и съща рулетка, а не например 10 транша от 100 завъртания, взети в различни дни и от различна рулетка.

Винаги помнете тази концепция в бъдеще, защото тя е много важна и очевидно не се прилага, когато търсим пристрастия на рулетка, тъй като в този случай сумата от всички данни все още ще бъде ориентировъчна, наистина ще потвърди присъствието на дефект или не, но това също е тема, която вече е обхваната в ► друга публикация.


t-Luck Algorithm (теория)

Сега нека видим на кои статистически предположения съм основал новия софтуер t-Luck Algorithm.

Нека отново да анализираме горната таблица:

Въз основа на отчетените данни, ако например червеното достигне стойност т студент равно на 3,00 означава, че вероятността тази стойност да достигне 3,50 е само 0,02%!

В действителност обаче това не е така, защото може би въпросът, който наистина трябва да си зададем, е: след като шансът достигне t = 3,00, колко пъти достига до t = 3,50? Все още не съм направил тази проверка, но това няма да отнеме много време и си представям, че горната таблица трябва да се чете по-правилно така: на неопределен брой траншове от 1.000 завъртания ще бъдат онези, които ще имат стойност t = 3,00 0,13%, докато няма да има транш с t по-голямо от 4.

Искайки обаче да разгледам като надеждна сугестивната хипотеза, че траншът с t = 2,50 може да надвишава t = 3,00 само в 0,13% от случаите, исках да задам t-Luck Algorithm по определена логика, в смисъл, че както коефициентът на Марини, така и коефициентът т студент, когато достигнат екстремни стойности, те всъщност представляват много силна тенденция на даден шанс, която, както видяхме преди, може да се върне след кой знае колко стотици завъртания, докато ние продължаваме да плащаме данъка на гишето до нула.

За да потвърдя съобщеното досега, предлагам тези две графики, отнасящи се до 1.000 завъртания, анализирани и двете по отношение на стойността т студент (първа графика) и тенденцията на пропастта на червения шанс.

Както можете да видите, първата графика потвърждава, че след достигане на стойност t = -2,5 след около 200 завъртания (следователно сме в присъствието на хипочестота на червено, т.е. черното е излизало много повече пъти) стойността на т студент започва да се покачва, което показва, че червеният шанс постепенно започва да балансира честотата си по отношение на противоположния черен шанс.

Покачването обаче не е внезапно, но виждаме, че балансът (стойност т студент близо до нула) на практика достига 1.000 завъртания, така че ние играем около 800 завъртания, в които плащаме красотата от 800/37 = 22 нули и всъщност, както можете да видите във втората графика, поради нулата хипотетичните пари на играча, който е започнал залагайки след 200 завъртания (стойност на пари / разлика -45 на втората графика), затваря 1.000 хвърляния с шепа спечелени фигури, тъй като по-голямата част от предимството, произтичащо от затварянето на разликата, е изядено от нула.

Каква би била оптималната стратегия за играча в този случай? Би трябвало да започнете да играете при t = -2,5 (при завъртане 204) и да спрете веднага щом са получени няколко печалби (при завъртане 246) със стойност т студент се изкачи обратно до -2,00, като по този начин спечели 3 парчета печалба. Изглежда малко? Въпросният играч би спечелил 3 фигури в 42 завъртания, или 7% от Roi!

От всичко това произтича нашето Първо правило: започнете да залагате само когато т студент достига стойност от +/- 2,5 и спира веднага щом се реализира печалба.


Средни тенденции

Вторият стълб на t-Luck Algorithm е да се търси тази стойност на т студент 2,5 не в шансовете, които изпадат в силна пропаст, както в графиката по-горе, отнасяща се до червеното, а в шансовете, които вместо това представят по-стабилна тенденция, по-мека от останалите и които съм преименувал с термина Средни тенденции.

Но ако тези шансове нямат голяма разлика, как те достигат стойността т студент 2,5?  

Ето пример за това, което имам предвид веднага Средни тенденции.

Двете графики по-горе винаги се отнасят до червения шанс, този път симулиран на 100 завъртания.

Ако погледнете първата графика, ще забележите, че стойността т студент достатъчно ляво абстрактна скулптура, това е между +1 и -1,5 на практика в първата графика тази стойност очевидно започва от 0, след това се повишава до +1, след това пада до -1,5 и накрая се връща до +1.

Засега нищо странно, но ако преброим стойността т студент Според минимални и максимални стойности достигнато ще имаме, че от +1 (макс.) той спадна до -1,5 (мин.), значи имаше такъв отклонение между минимална и максимална стойност от + 1 / -1,5 или 2,5 точки!

Тук намерихме нашата референтна стойност 2,5 и следователно, когато около завъртането 20 на графиката се създаде празнината от 2,5 и ние започваме да се фокусираме върху червеното (тъй като при -1,5 сме в хипочестотна ситуация) тук е, че съдбата ( и статистика) ни възнаграждава, като всъщност играе до т студент = +1 щяхме да спечелим 15 единици за по-малко от 80 завъртания!

Очевидно въз основа на правило 1 по-горе щяхме да спрем след първата печалба, но с този пример се надявам да изясним концепцията за Middle Trend и как да преброим т студент базирайки се на разликата между срещнатите минимални и максимални стойности.


t-Luck Algorithm (Софтуерът)

Досега всичко ясно? Добре, не се притеснявайте, софтуерът ще направи всички тези изчисления t-Luck Algorithm, играчът ще трябва да въведе числата, когато излязат, и евентуално да залага изключително за равномерна маса (плосък залог), когато това е сигнализирано от Софтуера.

След активиране  t-Luck Algorithm с кода, който вече знаете как да намерите, просто отворете таблица на играта и започнете да въвеждате вече освободените номера, за да направите това, просто кликнете върху един от бутоните в централната колона, номерирани от 0 до 36.

Когато щракнете върху номер, той също се появява в полето долу вляво (Последно) като нашето референтно напомняне.

Бъдете внимателни, когато регистрирате номерата, защото ако въведете номер погрешно, няма начин да го поправите и трябва да кликнете върху логото ThatsLuck долу вдясно, което основно нулира сесията и след това ще трябва да започнете отначало.

На практика няма какво друго да се направи, когато един от шансовете за наблюдение, който, както ще видите, е:

►Червено / черно

►Чак / нечетно

►Ниско / Високо

►Десетки

►Колони

►Нестина

генерира студентска разлика в стойността от 2,5 веднага t-Luck Algorithm активира се предупреждение, посочващо към кой шанс да се стремите!

Както можете да видите на изображението по-горе, в този случай се сигнализира да се опитате да заложите на първата шеста (SES 1), което както можете да видите в двете колони вдясно (които представляват Честота от различни видове шансове), тя не е нито най-честата сестина (която е SES 2), нито най-рядката (SES 3 и SES 6 никога не са пускани).

В случай, че трябва да излезе число между 1 и 6, стойността на ученическия t ще падне под 2,5 и след това предупреждението ще изчезне, ясно докато има предупреждение, че не залагате и просто записвате печелившите числа според техните хронологичен ред на освобождаване.

Очевидно ще се случи и да залагате повече шансове едновременно и в този случай можете да опитате да заложите дори някои единици с по-ниска стойност на общите числа между шансовете за залагане, точно както направих на изображението по-долу, където пресякох COL 1 със SES 2 и затова заложих и на двете общи числа 7 и 10.

Надявам се, че съм предоставил задълбочен анализ на проекта t-Luck Algorithm, препоръките ми са съвсем прости: никога не увеличавайте залога си и от самото начало установявайте колко единици да спечелите, преди да спрете (Stopwin), стойност, която препоръчвам да зададете на 10, след което, разбира се, направете както искате, толкова важно, колкото винаги имате забавление за сметка на банката!