t-Luck Algorithm

Hvordan måle flaks

Å måle flaks nøyaktig, eller rettere sagt å prøve å forutsi hullene på en roulette-sjanse på kort sikt, er ren utopi, men når antall spinn øker, takket være statistikk, begynner prognosene å bli mindre og mindre omtrentlige, i hovedsak hullene som bestemme lykken eller ulykken med å satse en sjanse til roulette, er faktisk målbare.

En mulig måte å måle hull på er den som allerede er beskrevet i ► denne posten, når jeg forteller deg den berømte Marigny-koeffisienten.

Marigny-koeffisienten har imidlertid begrensninger, siden den kun er basert på motstridende og ekviprobable sjanser, dvs. uten å ta hensyn til tilstedeværelsen av null, som dessverre utgjør en alvorlig evalueringsfeil.

Faktisk, hvis vi for eksempel vurderer 40.000 spinn på rulett, vil vi ifølge Marigny ha at vårt maksimale hell (lik 5 ganger kvadratroten til spinnene som spilles) vil være 1.000 vunnet enheter, men det er synd at det i 40.000 1.081 spinn vil vi også ha møtt 38.000 ganger null, så som du kan se med roulette-innsatser på rød eller svart med jevn masse (flat innsats), nådde 40.000 XNUMX/XNUMX XNUMX spinn, på grunn av null er det matematisk umulig å vinne til og med en enkelt enhet!

Denne grensen er imidlertid mye større hvis vi vurderer innsatsen på enkeltnummeret. I dette tilfellet, faktisk ved alltid å sikte mot jevn masse (flat bet), kan vi overleve til og med over 200.000 XNUMX spinn!

Simuleringen av forrige bilde ble oppnådd med programvaren bot ► Roulette Bias Sniper, som du kan se etter 215.000 spinn spilt flat innsats, er det fremdeles 2 tall som ville vunnet spilleren tilsvarende omtrent 30 enkeltvinnende tall, så over 1.000 enheter! Men dette er et tema som vi vil diskutere nærmere i et annet innlegg.

En annen metode for å måle hull, men mye mer presis enn den forrige, er ► Studentens t-fordeling, som jeg vil illustrere umiddelbart.

Den første søylen i denne metoden er måleenheten for hull, kalt standardavvik (kvm).

Standardavviket er lik kvadratroten til produktet av det totale antall hendelser (n) ganger de gunstige sannsynlighetene (p) og de motsatte sannsynlighetene (q).

kvm = RADQ (n * p * q)

for eksempel hvis vi vurderer 1.369 spinn av roulette vi har

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

Den andre søylen i t student è gjennomsnitt av en hendelse (m), som er lik produktet av antall hendelser (n) og den gunstige sannsynligheten.

m = n * s

igjen i forhold til 1.369 spinnene ovenfor, hvis vi vurderer et enkelt tall, har vi:

m = 1.369 * 1/37 = 37

Disse to verdiene, gjennomsnitt (m) og gjennomsnittlig kvadratavvik (kvm), har absolutt statistisk verdi, fordi de tillater at ethvert gap blir redusert til samme måleenhet, uavhengig av hendelsen der den oppstår.

Denne viktige reduksjonen oppnås nettopp ved student, som er forholdet mellom avviket (forstått som forskjellen mellom de gunstige hendelsene U og gjennomsnittet) og det gjennomsnittlige kvadratavviket.

Vi har derfor:

t = (U - m) / kvm

Igjen i forhold til de hypotetiske 1.369 kastene av en roulette ball, hvis for eksempel tallet 13 kommer opp nitten ganger, har vi det

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

+ Eller - tegnet indikerer hyperfrekvens eller hypofrekvens.

Koeffisienten t student det er derfor veldig nyttig fordi det er statistiske tabeller som også finnes på nettet, som indikerer nøyaktig prosentandelen av sannsynligheten for at visse verdier overskrides t.

Det antas ofte at maksimumsgrense den t student er lik 4, det er den statistiske grensen som det er enighet om at sannsynligheten for å overskride den praktisk talt er null.

Husk det på før du fortsetter ThatsLuck Du kan også finne gratis innhold, hvis du vil holde deg oppdatert på publikasjoner, abonner på kanalen på ►YouTube.


De 2 feilene til Marigny

Avklart hva t student og hvordan det beregnes, sier jeg deg med en gang at denne målemetoden er mer hensiktsmessig enn Marigny-koeffisienten, fordi den i resultatene den produserer også tar hensyn til avgiften (null).

En stor feil av Marigny var å tenke at når en sjanse når forskjellen 3 eller høyere, må den nødvendigvis komme tilbake, så han foreslo å sikte på umiddelbar retur av gapet.

Den første feilen til Marigny var ikke å betrakte null, for hvis det er helt sant at gapet må returneres, er det like sant at ingen på forhånd kan fastslå hvor mange slag dette gapet må oppstå.

Hvis en sjanse når for eksempel gap 4 (veldig høy Marigny-koeffisient siden maksimum er 5), hvem kan forsikre oss om at en fase med veksling mellom rød og svart som varer til og med hundrevis av spinn ikke kan begynne?

Ikke dårlig, noen vil tro, i vekslingsfasene vinner du ikke, men heller ikke taper du ... men nei, for i alle fall vil null komme ut i henhold til hans forventning og på forhånd tære på alle fordelene vi kunne oppnå når gapet virkelig kommer tilbake mot den naturlige likevekten.

Den andre og mest alvorlige feilen til Marigny: vurderer spinnene samlet over flere dager og fra forskjellige roulette som en enkelt varighet (også kjent som "personlig varighet").

Jeg testet empirisk dette fascinerende konseptet, og etter noen få millioner simulerte spinn kom jeg til denne konklusjonen: av hensyn til konkret statistisk pålitelighet må hullene i roulette måles utelukkende i en serie spinn som refererer til samme generator som produserte dem. i en uavbrutt serie lanseringer.

Med andre ord, hvis vi vil at en analyse på 1.000 spinn skal være pålitelig, må vi registrere 1.000 spinn kontinuerlig på samme rulett og ikke for eksempel 10 trancher på 100 spinn tatt på forskjellige dager og fra forskjellige roulette.

Husk alltid dette konseptet i fremtiden, for det er veldig viktig og gjelder åpenbart ikke når vi leter etter en roulette bias, fordi i dette tilfellet vil summen av alle data fremdeles være veiledende, og det vil bekrefte tilstedeværelsen av defekt eller ikke, men også dette er et emne som allerede er dekket i en ► annet innlegg.


t-Luck algoritme (teorien)

La oss nå se på hvilke statistiske forutsetninger jeg baserte den nye programvaren t-Luck-algoritme.

La oss analysere tabellen ovenfor igjen:

Basert på rapporterte data, hvis for eksempel det røde når en verdi t student lik 3,00 betyr at sannsynligheten for at denne verdien når 3,50 bare er 0,02%!

I virkeligheten er dette imidlertid ikke tilfelle, for kanskje spørsmålet vi virkelig burde stille oss selv: Når en sjanse når t = 3,00, hvor mange ganger kommer den til t = 3,50? Jeg har ennå ikke gjort denne verifiseringen, men det vil ikke ta lang tid, og jeg forestiller meg at tabellen ovenfor skal leses mer riktig slik: på et ubestemt antall tranjer på 1.000 spinn vil de som vil ha en verdi på t = 3,00 være 0,13% mens det ikke vil være noen del med t større enn 4.

Men ønsket å betrakte som pålitelig den suggestive hypotesen om at en transje med t = 2,50 bare kan overstige t = 3,00 i 0,13% av tilfellene, ønsket jeg å sette t-Luck-algoritme på en bestemt logikk, i den forstand at både Marigny-koeffisienten og t student, når de når ekstreme verdier, representerer de faktisk en veldig sterk trend med en gitt sjanse, som som vi har sett før, kan komme tilbake etter hvem som vet hvor mange hundre spinn, mens vi fortsetter å betale skatten på telleren på grunn til null.

For å bekrefte det som er rapportert så langt, foreslår jeg disse to grafene, med henvisning til 1.000 spinn analysert begge i forhold til verdien t student (første graf) og trenden for gapet til den røde sjansen.

Som du kan se, bekrefter den første grafen at når en verdi t = er nådd -2,5 etter rundt 200 spinn (vi er derfor i nærvær av en hypofrekvens av rødt, dvs. svart har kommet ut mange flere ganger), verdien av t student begynner å stige, noe som indikerer at den røde sjansen gradvis begynner å balansere frekvensen i forhold til den motsatte svarte sjansen.

Oppgangen er imidlertid ikke plutselig, men vi ser at balansen (verdi t student nær null) når nesten 1.000 spinn, så vi spiller omtrent 800 spinn der vi betaler skjønnheten til 800/37 = 22 nuller og faktisk som du kan se i den andre grafen på grunn av null, den hypotetiske kontanten til spilleren som startet veddemål etter 200 spinn (kontant / gap-verdi -45 i den andre grafen), lukker de 1.000 kastene med en håndfull brikker vunnet, fordi det meste av fordelen som følger av lukket for gap, er spist av null.

Hva ville vært den optimale strategien for spilleren i dette tilfellet? Det hadde vært å begynne å spille på t = -2,5 (ved spinn 204) og stoppe så snart noen få fortjenestestykker er oppnådd (ved spinn 246) med verdi t student klatret tilbake til -2,00 og vant dermed 3 fortjenestestykker. Virker lite? Spilleren det er snakk om ville vunnet 3 brikker på 42 spinn, eller 7% av Roi!

Fra alt dette kommer vår Første regel: begynn å satse bare når t student når en verdi på +/- 2,5 og stopp så snart fortjenesten er oppnådd.


Middeltrender

Den andre søylen i t-Luck-algoritme er å se etter denne verdien av t student 2,5 ikke i sjansene som går inn i et sterkt gap som i grafen ovenfor som refererer til rødt, men i sjansene som i stedet presenterer en mer stabil trend, mykere enn de andre, og som jeg har omdøpt med begrepet Middeltrender.

Men hvis disse sjansene ikke har et stort gap, hvordan når de verdien t student 2,5?  

Her er et eksempel på hva jeg mener med en gang Middeltrender.

De to grafene ovenfor refererer alltid til den røde sjansen, denne gangen simulert på 100 spinn.

Hvis du ser på den første grafen, vil du merke at verdien t student er igjen nok stabil, det vil si mellom +1 og -1,5 i praksis startet denne verdien åpenbart fra 0 i den første grafen, steg deretter til +1, falt deretter til -1,5 og kom til slutt tilbake til +1.

Så langt ikke noe rart, men hvis vi teller verdien t student ifølge minimums- og maksimumsverdier nådd vil vi ha at fra +1 (maks) falt den til -1,5 (min), så det var en avvik mellom minimum og maksimumsverdi på + 1 / -1,5 eller 2,5 poeng!

Her har vi funnet vår referanseverdi 2,5 og derfor når spinn 20 i grafen er gapet på 2,5 opprettet og vi begynner å fokusere på rødt (fordi vi ved -1,5 er i en hypofrekvenssituasjon) her er at skjebnen ( og statistikk) belønner oss, og spiller faktisk opp til t student = +1 ville vi vunnet 15 enheter på under 80 spinn!

Åpenbart basert på regel 1 ovenfor ville vi ha stoppet etter første fortjeneste, men med dette eksemplet håper jeg å ha avklart begrepet Middle Trend og hvordan man teller t student baserer den på gapet mellom minimums- og maksimumsverdiene du opplever.


t-Luck algoritme (programvaren)

Alt klart så langt? Ok, ikke bekymre deg, programvaren gjør alle disse beregningene t-Luck-algoritme, vil spilleren bare måtte oppgi tallene når de kommer ut og muligens satse eksklusivt for jevn masse (flat innsats) når det signaliseres av programvaren.

Etter aktivering  t-Luck-algoritme med koden du allerede vet hvordan du finner, er det bare å åpne et spillbord og begynne å skrive inn tallene som allerede er utgitt, for å gjøre det, klikk bare på en av knappene i den sentrale kolonnen nummerert fra 0 til 36.

Når du klikker på et tall, vises det også i boksen nederst til venstre (Siste) som vår referansepåminnelse.

Vær forsiktig når du registrerer tallene, for hvis du skriver inn feil nummer er det ingen måte å fikse det, og du må klikke på logoen ThatsLuck nederst til høyre, som i utgangspunktet tilbakestiller økten, og så må du starte på nytt.

I praksis er det ingenting annet å gjøre når en av sjansene for å overvåke som, som du vil se, er:

►Rød / svart

►Jevn / Odd

►Lav / høy

►Dusener

►Kolonner

►Sestine

produserer en student t-verdi gap på 2,5 umiddelbart i t-Luck-algoritme en advarsel er aktivert som indikerer hvilken sjanse du vil sikte på!

Som du kan se på bildet over, blir det i dette tilfellet signalisert å prøve å satse på den første sjetten (SES 1), som du kan se i de to kolonnene til høyre (som representerer Frekvens av sortering av de forskjellige sjansene), er det verken den hyppigste sestina (som er SES 2), eller den minst hyppige (SES 3 og SES 6 aldri utgitt).

I tilfelle et tall mellom 1 og 6 skulle komme ut, vil verdien av studenten t falle under 2,5, og derfor vil advarselen forsvinne helt til det er en advarsel du ikke satser på, og bare registrere vinnertallene i henhold til deres kronologisk frigjøringsrekkefølge.

Åpenbart vil det også skje å satse flere sjanser samtidig, og i dette tilfellet kan du prøve å satse til og med noen enheter med lavere verdi på tallene til felles mellom sjansene for å satse, akkurat som jeg gjorde i bildet nedenfor, der jeg krysset COL 1 med SES 2 og derfor satset jeg også på de to vanlige tallene 7 og 10.

Jeg håper jeg har gitt en grundig analyse av prosjektet t-Luck-algoritme, mine anbefalinger er ganske enkle: aldri øke innsatsen din og fastslå fra begynnelsen av hvor mange enheter du skal vinne før du stopper (Stopwin), en verdi som jeg anbefaler å sette til 10, så gjør selvfølgelig som du vil, så viktig som alltid er har moro på bankens regning!