t-Luck Algorithm

چگونه شانس را بسنجیم

اندازه گیری دقیق شانس ، یا بهتر بگوییم تلاش برای پیش بینی شکاف های یک شانس رولت در کوتاه مدت ، آرمان شهر محض است ، اما با افزایش تعداد چرخش ها ، به لطف آمار ، پیش بینی ها کمتر و کمتر تقریبی می شوند. در اصل ، شکاف هایی که تعیین شانس یا بدبختی ما در شرط بندی رولت ، در واقع قابل اندازه گیری هستند.

یک روش ممکن برای اندازه گیری شکافها روشی است که قبلاً در described شرح داده شده است این پست، هنگامی که من در مورد ضریب معروف Marigny به شما می گویم.

با این حال ، ضریب Marigny محدودیت هایی دارد ، زیرا فقط بر اساس شانس های مخالف و قابل اثبات استوار است ، یعنی بدون در نظر گرفتن وجود صفر ، که متأسفانه خطای جدی ارزیابی است.

در حقیقت ، اگر به عنوان مثال 40.000،5 چرخش در رولت را در نظر بگیریم ، طبق گفته Marigny ، حداکثر شانس ما (برابر با 1.000 برابر ریشه مربع چرخش های بازی شده) 40.000 واحد برنده خواهد بود ، اما حیف است که در 1.081،38.000 چرخش نیز با 40.000 برابر صفر روبرو خواهیم شد ، بنابراین همانطور که می بینید با شرط بندی های رولت روی قرمز یا سیاه در جرم (شرط مسطح) ، به XNUMX،XNUMX / XNUMX،XNUMX چرخش رسیده است ، به دلیل صفر کسب ریاضی حتی برای یک واحد غیرممکن است!

این شرط اگر شرط بندی روی عدد واحد را در نظر بگیریم ، بسیار بیشتر خواهد بود ، در این صورت در واقع با هدف گیری یکنواخت (شرط مسطح) می توانیم حتی بیش از 200.000 چرخش را ادامه دهیم!

شبیه سازی تصویر قبلی با نرم افزار bot obtained بدست آمده است Roulette Bias Sniper، همانطور که می بینید پس از انجام 215.000،2 چرخش شرط بندی مسطح ، هنوز 30 عدد وجود دارد که باعث می شود بازیکن برابر با 1.000 عدد برنده منفرد شود ، بنابراین بیش از XNUMX واحد! اما این موضوعی است که در پست دیگری به صورت عمیق تری به آن خواهیم پرداخت.

روش دیگر اندازه گیری شکاف ها ، اما بسیار دقیق تر از روش قبلی ، ► است توزیع t دانش آموز، که بلافاصله آنها را نشان می دهم.

ستون اول این روش واحد اندازه گیری شکاف ها است انحراف معیار (متر مربع)

انحراف معادل برابر است با ریشه مربع حاصل از تعداد کل وقایع (n) برابر احتمالات مطلوب (p) و احتمالات مخالف (q).

sqm = RADQ (n * p * q)

به عنوان مثال اگر 1.369 چرخش رولت را در نظر بگیریم

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

ستون دوم دانشجو è میانگین یک رویداد (متر) ، که برابر است با حاصلضرب تعداد رویدادها (n) و احتمال مطلوب.

m = n * p

اگر یک عدد واحد در نظر بگیریم ، در رابطه با چرخش 1.369 بالا ، موارد زیر را داریم:

m = 1.369 * 1/37 = 37

این دو مقدار ، میانگین (متر) و میانگین انحراف مربع (متر مربع) ، از نظر آماری مطلق هستند ، زیرا اجازه می دهند هر شکاف به یک واحد اندازه گیری کاهش یابد ، صرف نظر از واقعه ای که در آن رخ دهد.

این کاهش مهم دقیقاً توسط دانش آموز ، که نسبت بین انحراف (به عنوان تفاوت بین رویدادهای مطلوب U و میانگین درک می شود) و میانگین انحراف مربع است.

بنابراین ما چنین داریم:

t = (U - m) / sqm

باز هم در رابطه با فرضیات 1.369،13 پرتاب یک توپ رولت ، اگر به عنوان مثال عدد XNUMX نوزده بار بالا بیاید ، ما این را داریم

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

علامت + یا - بیش از حد یا فرکانس را نشان می دهد.

ضریب دانشجو بنابراین بسیار مفید است زیرا جداول آماری نیز وجود دارد که می تواند در شبکه یافت شود ، که نشان می دهد دقیقا درصد احتمال بیش از مقادیر خاص t.

معمولاً فرض بر این است که حداکثر حد از دانشجو برابر است با 4، این همان محدوده آماری است که توافق می شود احتمال بیش از حد آن عملاً صفر است.

قبل از ادامه به یاد داشته باشید که در ThatsLuck اگر می خواهید در مورد انتشارات به روز باشید ، می توانید محتوای رایگان نیز پیدا کنید ، در کانال در cribe مشترک شویدیوتیوب.


2 اشتباه Marigny

روشن چه دانشجو و اینکه چگونه محاسبه می شود ، بلافاصله به شما می گویم که این روش اندازه گیری کاملاً مناسب تر از ضریب Marigny است ، زیرا در نتایج تولید شده ، مالیات (صفر) را نیز در نظر می گیرد.

یک اشتباه بزرگ Marigny این بود که فکر می کرد وقتی فرصتی به اختلاف 3 یا بالاتر رسید ، لزوماً باید برگردد ، بنابراین او پیشنهاد کرد هدفش بازگشت فوری فاصله باشد.

اولین اشتباه Marigny در نظر نگرفتن صفر بود ، زیرا اگر کاملاً صحیح باشد که باید شکاف را بازگرداند ، به همان اندازه درست است که هیچ کس نمی تواند به صورت پیشینی در تعداد ضربه های این شکاف ایجاد کند.

اگر فرصتی به عنوان مثال فاصله 4 (ضریب بسیار بالا Marigny از حداکثر 5) باشد ، چه کسی می تواند به ما اطمینان دهد که یک مرحله تناوب بین قرمز و سیاه که حتی صدها چرخش طول می کشد نمی تواند شروع شود؟

بد نیست ، کسی فکر می کند ، در مراحل تناوب شما برنده نمی شوید اما نه می بازید ... اما نه ، زیرا در هر صورت صفر مطابق انتظار او بیرون می آید ، و پیش از این تمام مزیت هایی را که می توانیم بدست آوریم از بین می برد هنگامی که شکاف واقعاً به سمت تعادل طبیعی برمی گردد.

دومین و جدی ترین اشتباه Marigny: در نظر گرفتن چرخش های جمع آوری شده طی چندین روز و از رولت های مختلف به عنوان یک ماندگاری منفرد (همچنین به عنوان "دوام شخصی" نیز شناخته می شود).

من این مفهوم جذاب را بصورت تجربی آزمایش کردم و پس از چند میلیون چرخش شبیه سازی به این نتیجه رسیدم: برای اهداف قابلیت اطمینان آماری بتن ، شکافهای رولت باید منحصراً در یک سری چرخش قابل استفاده برای همان ژنراتور تولید کننده آنها اندازه گیری شود. در یک سری بی وقفه از پرتاب ها.

به عبارت دیگر ، اگر می خواهیم تجزیه و تحلیل در مورد 1.000 چرخش قابل اعتماد باشد ، باید 1.000 چرخش را به طور مداوم در همان رولت ثبت کنیم و به عنوان مثال 10 ترانوی از 100 چرخش را که در روزهای مختلف و از رولت مختلف گرفته می شود ، ثبت نکنیم.

این مفهوم را همیشه در آینده بخاطر بسپارید ، زیرا این مسئله بسیار مهم است و بدیهی است که وقتی به دنبال سوگیری رولت هستیم ، کاربردی ندارد ، زیرا در این حالت مجموع تمام داده ها همچنان نشانگر خواهد بود ، در واقع وجود این مورد را تأیید می کند. نقص دارد یا نه ، اما این نیز موضوعی است که قبلاً در covered پوشش داده شده است پست دیگر.


الگوریتم t-Luck (تئوری)

حال بیایید ببینیم که نرم افزار جدید را بر اساس کدام مفروضات آماری بنا نهاده ام الگوریتم t-Luck.

بیایید جدول بالا را دوباره تجزیه و تحلیل کنیم:

بر اساس داده های گزارش شده ، اگر به عنوان مثال قرمز به یک مقدار می رسد دانشجو برابر با 3,00 به این معنی است که احتمال رسیدن این مقدار به 3,50 فقط 0,02٪ است!

در حقیقت ، این واقعیت نیست ، زیرا شاید سوالی که باید واقعاً از خود بپرسیم این است: وقتی فرصتی به t = 3,00 رسید ، چند بار به t3,50 / 1.000 می رسد؟ من هنوز این تأیید را انجام نداده ام ، اما طولی نمی کشد و تصور می کنم که جدول فوق باید به صورت صحیح تری به شرح زیر خوانده شود: در تعداد نا مشخص 3,00 چرخش ، چرخش هایی که دارای مقدار t = 0,13 خواهند بود ، 4٪ در حالیکه با t بیش از XNUMX هیچ ترانزی وجود نخواهد داشت.

با این حال ، می خواهم فرضیه پیشنهادی معتبر را در نظر بگیرم که یک tranche با t = 2,50 فقط در 3,00٪ موارد می تواند از t = 0,13 فراتر رود ، من می خواستم این الگوریتم t-Luck بر اساس یک منطق خاص ، به این معنا که هم ضریب Marigny و هم ضریب دانشجو، هنگامی که آنها به مقادیر افراطی می رسند ، در واقع نشان دهنده یک روند بسیار قوی از یک شانس خاص است ، که همانطور که قبلاً دیدیم ، پس از اینکه چه کسی می داند چند صدمه چرخش دارد ، می تواند بازگردد ، در حالی که ما همچنان به پرداخت مالیات بیش از پیش پرداخت می کنیم به صفر

برای تأیید آنچه تاکنون گزارش شده است ، من این دو نمودار را با اشاره به 1.000 چرخش تجزیه و تحلیل شده هر دو در رابطه با مقدار پیشنهاد می کنم دانشجو (نمودار اول) و روند شکاف شانس سرخ.

همانطور که مشاهده می کنید ، نمودار اول تأیید می کند که با رسیدن مقدار t = -2,5 پس از حدود 200 چرخش (بنابراین ما در معرض یک فرکانس قرمز هستیم ، به عنوان مثال رنگ سیاه بارها بیرون آمده است) مقدار دانشجو شروع به افزایش می کند ، نشان می دهد که شانس سرخ به تدریج شروع به تعادل مجدد فرکانس خود با توجه به شانس مخالف سیاه می کند.

با این حال ، افزایش ناگهانی نیست ، اما می بینیم که تعادل (مقدار دانشجو نزدیک به صفر) عملا به 1.000 چرخش می رسد ، بنابراین ما در حدود 800 چرخش بازی می کنیم که در آن زیبایی 800/37 = 22 صفر را پرداخت می کنیم و در واقع همانطور که در نمودار دوم مشاهده می کنید به دلیل صفر پول نقد فرضی بازیکنی که شروع کرده است شرط بندی پس از 200 چرخش (مقدار پول نقد / شکاف -45 در نمودار دوم) ، 1.000 پرتاب را با تعداد انگشت شماری برنده بسته می کند ، زیرا بیشتر مزیت ناشی از بسته شدن شکاف صفر خورده است.

در این صورت استراتژی بهینه برای بازیکن چه بود؟ باید بازی در t = -2,5 (در چرخش 204) شروع می شد و به محض کسب چند قطعه سود (در چرخش 246) با ارزش متوقف می شد دانشجو به 2,00 صعود کرد و بدین ترتیب 3 قطعه سود کسب کرد. کم به نظر می رسد؟ بازیکن مورد نظر در 3 چرخش 42 قطعه یا 7٪ Roi را به دست می آورد!

همه اینها از ما ناشی می شود قانون اول: شرط بندی را فقط وقتی شروع کنید دانشجو به مقدار +/- 2,5 می رسد و به محض کسب سود متوقف شوید.


روندهای میانه

ستون دوم الگوریتم t-Luck این است که به دنبال این مقدار از دانشجو 2,5 نه در شانس هایی که مانند نمودار بالا با اشاره به قرمز وارد یک شکاف شدید می شوند ، بلکه در شانس هایی هستند که در عوض روند با ثبات تری دارند ، نرمتر از سایرین و من با این اصطلاح تغییر نام داده ام روندهای میانه.

اما اگر این شانس ها فاصله زیادی نداشته باشند ، چگونه به ارزش می رسند دانشجو 2,5؟  

در اینجا مثالی از منظور من بلافاصله آورده شده است روندهای میانه.

دو نمودار بالا همیشه به شانس قرمز اشاره دارد ، این بار در 100 چرخش شبیه سازی شده است.

اگر به نمودار اول نگاه کنید متوجه می شوید که این مقدار است دانشجو به اندازه کافی مانده است پایدار، یعنی بین 1 + و 1,5/XNUMX در عمل ، در نمودار اول این مقدار بدیهی است که از 0 شروع شده ، سپس به 1+ رسیده ، سپس به -1,5 رسیده و در نهایت به 1+ رسیده است.

تاکنون هیچ چیز عجیبی نیست ، اما اگر مقدار را حساب کنیم دانشجو بر اساس حداقل و حداکثر مقادیر به این نتیجه رسیده ایم که از 1+ (حداکثر) به -1,5 (دقیقه) کاهش یافته است ، بنابراین یکی وجود دارد انحراف بین حداقل و حداکثر مقدار + 1 / -1,5 یا 2,5 امتیاز!

در اینجا ما مقدار مرجع 2,5 خود را پیدا کرده ایم و بنابراین هنگامی که در اطراف چرخش 20 نمودار ایجاد می شود ، شکاف 2,5 ایجاد شده است و ما شروع به تمرکز بر روی قرمز می کنیم (زیرا در -1,5 ما در یک وضعیت فرکانس فرکانس هستیم) در اینجا این است که سرنوشت ( و آمار) به ما پاداش می دهد ، در واقع دانشجو = 1 ما در کمتر از 15 چرخش 80 واحد برنده می شدیم!

بدیهی است که بر اساس قانون 1 بالا ، ما پس از اولین سود متوقف می شدیم ، اما امیدوارم با این مثال مفهوم روند میانه و نحوه شمارش دانشجو بر اساس فاصله بین حداقل و حداکثر مقادیر مواجه شده است.


الگوریتم t-Luck (نرم افزار)

همه روشن است تا کنون؟ خوب ، نگران نباشید ، نرم افزار تمام این محاسبات را انجام می دهد الگوریتم t-Luck، بازیکن فقط هنگام بیرون آمدن باید اعداد را وارد کند و احتمالاً هنگامی که توسط نرم افزار سیگنال می شود منحصراً برای حتی توده (شرط مسطح) شرط بندی می کند.

پس از فعال سازی  الگوریتم t-Luck با کدی که از قبل می دانید چگونه پیدا کنید ، فقط یک جدول بازی را باز کنید و اعدادی را که قبلاً آزاد شده اند وارد کنید ، برای این کار کافیست روی یکی از دکمه های ستون مرکزی با شماره 0 تا 36 کلیک کنید.

وقتی روی یک عدد کلیک می کنید ، در کادر پایین سمت چپ (آخرین) نیز به عنوان یادآوری مرجع ما ظاهر می شود.

هنگام ثبت اعداد مراقب باشید ، زیرا اگر عددی را اشتباه وارد کنید راهی برای رفع آن وجود ندارد و باید روی آرم کلیک کنید ThatsLuck در پایین سمت راست ، که اساساً جلسه را بازنشانی می کند و سپس شما باید کار را از ابتدا شروع کنید.

در عمل هیچ چیز دیگری برای انجام وجود ندارد ، هنگامی که یکی از شانس های نظارت ، که می بینید ، عبارتند از:

edسرخ / مشکی

ven حتی / عجیب و غریب

owپایین / زیاد

ده ها

►ستونها

estسیستین

بلافاصله یک شکاف ارزش دانشجویی 2,5 ایجاد می کند الگوریتم t-Luck یک هشدار فعال می شود که نشان می دهد برای کدام شانس هدف گذاری کنید!

همانطور که در تصویر بالا مشاهده می کنید ، در این حالت سعی می شود روی ششم اول (SES 1) شرط بندی شود ، که همانطور که در دو ستون سمت راست می بینید (که نشان دهنده فرکانس از مرتب سازی بر اساس شانس های مختلف) ، نه بیشترین میزان سستینا (که SES 2 است) و نه کمترین (SES 3 و SES 6 که هرگز منتشر نشده اند) نیست.

درصورتی که یک عدد بین 1 تا 6 ظاهر شود ، مقدار دانش آموز t به زیر 2,5 کاهش می یابد و سپس اخطار ناپدید می شود ، واضح است تا زمانی که هشدار داده نشوید که شرط نکنید و به سادگی اعداد برنده را با توجه به آنها ثبت کنید ترتیب زمانی انتشار.

بدیهی است که اتفاق می افتد که همزمان شانس های بیشتری نیز بگذارید و در این حالت ، می توانید سعی کنید حتی چند واحد با ارزش کمتر روی اعداد مشترک بین شانس شرط بندی کنید ، دقیقاً مانند آنچه در تصویر زیر انجام دادم ، جایی که من از COL 1 با SES 2 عبور کردم و بنابراین روی دو عدد مشترک 7 و 10 نیز شرط می بندم.

امیدوارم تحلیل کاملی از پروژه ارائه داده باشم الگوریتم t-Luck، توصیه های من کاملاً ساده است: هرگز شرط خود را افزایش ندهید و از ابتدا تعداد واحدهای کسب قبل از توقف (Stopwin) را تعیین نکنید ، مقداری که من توصیه می کنم روی 10 قرار دهید ، البته همانطور که می خواهید انجام دهید ، همانطور که همیشه مهم است تفریح ​​با هزینه بانک!