t-Luck Algorithm

Sådan måles held

Måling af held nøjagtigt eller rettere forsøg på at forudsige hullerne i en roulette chance på kort sigt er ren utopi, men når antallet af spins øges, takket være statistikker begynder prognoserne at blive mindre og mindre omtrentlige, i det væsentlige de huller, der er bestemme vores held eller ulykke med at satse en chance på roulette, er faktisk målbare.

En mulig måde at måle huller på er den, der allerede er beskrevet i ► questo post, når jeg fortæller dig om den berømte Marigny-koefficient.

Marigny-koefficienten har imidlertid grænser, da den kun er baseret på modsatrettede og uforlignelige chancer, dvs. uden at tage hensyn til tilstedeværelsen af ​​nul, hvilket desværre udgør en alvorlig vurderingsfejl.

Faktisk, hvis vi for eksempel overvejer 40.000 spins på roulette, vil vi ifølge Marigny have, at vores maksimale held (svarende til 5 gange kvadratroden af ​​de spillede spins) vil være 1.000 enheder, der er vundet, men det er en skam, at der i 40.000 spins vil vi også have stødt på 1.081 gange nul, så som du kan se med roulette-indsatser på rød eller sort ved jævn masse (flad indsats), nået 38.000 / 40.000 spins, på grund af nul er det matematisk umuligt at vinde selv en enkelt enhed!

Denne grænse er dog meget større, hvis vi betragter væddemål på det enkelte nummer, i dette tilfælde faktisk ved altid at sigte mod jævn masse (flad indsats) kan vi overleve endda over 200.000 spins!

Simuleringen af ​​det forrige billede blev opnået med softwarebotten ► Roulette Bias Sniper, som du kan se efter 215.000 spins spillet flad bet, er der stadig 2 numre, der ville have fået spilleren til at vinde svarende til ca. 30 enkeltvindende numre, så over 1.000 enheder! Men dette er et emne, som vi vil diskutere mere dybtgående i et andet indlæg.

En anden metode til måling af huller, men meget mere præcis end den foregående, er ► Studerendes t-fordeling, som jeg vil illustrere med det samme.

Den første søjle i denne metode er måleenheden for huller, kaldet standardafvigelse (kvm).

Standardafvigelsen er lig med kvadratroden af ​​produktet af det samlede antal begivenheder (n) gange de gunstige sandsynligheder (p) og de modsatte sandsynligheder (q).

kvm = RADQ (n * p * q)

for eksempel hvis vi overvejer 1.369 spins af roulette, vi har

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

Den anden søjle i t studerende è gennemsnit af en begivenhed (m), der er lig med produktet af antallet af begivenheder (n) og den gunstige sandsynlighed.

m = n * s

igen i forhold til 1.369 spins ovenfor, hvis vi betragter et enkelt tal, har vi:

m = 1.369 * 1/37 = 37

Disse to værdier, middelværdi (m) og gennemsnitlig kvadratafvigelse (kvm), har absolut statistisk værdi, fordi de gør det muligt at reducere ethvert hul til den samme måleenhed, uanset hvilken begivenhed den forekommer i.

Denne vigtige reduktion opnås netop ved t studerende, hvilket er forholdet mellem afvigelsen (forstået som forskellen mellem de gunstige begivenheder U og middelværdien) og den gennemsnitlige kvadratafvigelse.

Vi har derfor:

t = (U - m) / kvm

Igen i forhold til de hypotetiske 1.369 kast af en roulettekugle, hvis for eksempel tallet 13 kommer op nitten gange, har vi det

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

+ Eller - tegnet angiver hyperfrekvens eller hypofrekvens.

Koefficienten t studerende det er derfor meget nyttigt, fordi der er statistiske tabeller, der også kan findes på nettet, som indikerer Nemlig procentdelen af ​​sandsynligheden for, at visse værdier overskrides t.

Det antages almindeligvis, at maksimumsgrænse den t studerende er lig med 4, det er den statistiske grænse, for hvilken det er aftalt, at sandsynligheden for at overskride den praktisk talt er nul.

Husk det, før du fortsætter ThatsLuck Du kan også finde gratis indhold, hvis du vil holde dig opdateret om publikationer, abonner på kanalen på ►YouTube.


De 2 fejl fra Marigny

Afklaret hvad t studerende og hvordan det beregnes, fortæller jeg dig med det samme, at denne målemetode er bestemt mere passende end Marigny-koefficienten, fordi den i de resultater, den producerer, også tager højde for afgiften (nul).

En stor fejltagelse fra Marigny var at tro, at når en chance når en forskel 3 eller højere, skal den nødvendigvis vende tilbage, så han foreslog at sigte mod øjeblikkelig tilbagevenden af ​​kløften.

Marignys første fejl overvejede ikke nul, for hvis det er helt sandt, at kløften skal returneres, er det lige så sandt, at ingen på forhånd kan fastslå, hvor mange slag denne kløft skal forekomme.

Hvis en chance når f.eks. Hul 4 (meget høj Marigny-koefficient, da maksimum er 5), hvem kan forsikre os om, at en fase af vekslen mellem rød og sort, der varer endda hundreder af spins, ikke kan begynde?

Ikke dårligt, nogen vil tænke, i alternationsfaserne vinder du ikke, men du mister heller ikke ... men nej, for under alle omstændigheder kommer nul ud efter hans forventning og udhuler på forhånd alle de fordele, vi kunne opnå når kløften virkelig vender tilbage mod den naturlige ligevægt.

Marignys anden og mest alvorlige fejltagelse: betragter de spins, der er indsamlet over flere dage og fra forskellige roulette som en enkelt permanentitet (også kendt som "personlig varighed").

Jeg testede empirisk dette fascinerende koncept, og efter et par millioner simulerede spins kom jeg til denne konklusion: Med henblik på konkret statistisk pålidelighed skal hullerne i roulette udelukkende måles i en serie spins, der henvises til den samme generator, der producerede dem. i en uafbrudt række lanceringer.

Med andre ord, hvis vi vil have en analyse af 1.000 spins for at være pålidelige, skal vi registrere 1.000 spins kontinuerligt ved den samme roulette og ikke for eksempel 10 trancher på 100 spins taget på forskellige dage og fra forskellige roulette.

Husk altid dette koncept i fremtiden, fordi det er meget vigtigt og naturligvis ikke gælder, når vi er på udkig efter en roulette bias, for i dette tilfælde vil summen af ​​alle data stadig være vejledende, det vil faktisk bekræfte tilstedeværelsen af defekt eller ej, men også dette er et emne, der allerede er behandlet i en ► andet indlæg.


t-Luck algoritme (teorien)

Lad os nu se på, hvilke statistiske antagelser jeg baserede den nye software t-Luck algoritme.

Lad os analysere tabellen ovenfor igen:

Baseret på de rapporterede data, hvis den røde f.eks. Når en værdi t studerende lig med 3,00 betyder, at sandsynligheden for, at denne værdi når 3,50, er kun 0,02%!

I virkeligheden er dette imidlertid ikke tilfældet, for måske er det spørgsmål, vi virkelig skal stille os selv: når en chance når t = 3,00, hvor mange gange når den t = 3,50? Jeg har endnu ikke foretaget denne verifikation, men det tager ikke lang tid, og jeg forestiller mig, at tabellen ovenfor skal læses mere korrekt sådan: på et ubestemt antal trancher på 1.000 spins vil de, der har en værdi på t = 3,00, være 0,13%, mens der ikke vil være nogen tranche med t større end 4.

Ønsker jeg dog at betragte den påtænkte hypotese som pålidelig, at en tranche med t = 2,50 kun kan overstige t = 3,00 i 0,13% af tilfældene, ønskede jeg at indstille t-Luck algoritme på en bestemt logik i den forstand, at både Marigny-koefficienten og t studerende, når de når ekstreme værdier, repræsenterer de faktisk en meget stærk tendens til en given chance, som som vi har set før, kunne vende tilbage efter hvem ved hvor mange hundrede spins, mens vi fortsætter med at betale skatten ved tælleren til nul.

For at bekræfte, hvad der er rapporteret hidtil, foreslår jeg disse to grafer, der henviser til 1.000 spins analyseret begge i forhold til værdien t studerende (første graf) og tendensen til afstanden til den røde chance.

Som du kan se, bekræfter den første graf, at når en værdi t = er nået -2,5 efter cirka 200 spins (vi er derfor i nærværelse af en hypofrekvens af rødt, dvs. sort er kommet ud mange flere gange) værdien af t studerende begynder at stige, hvilket indikerer, at den røde chance gradvist begynder at genbalancere sin frekvens i forhold til den modsatte sort chance.

Stigningen er dog ikke pludselig, men vi ser, at balancen (værdi t studerende tæt på nul) når næsten 1.000 spins, så vi spiller omkring 800 spins, hvor vi betaler skønheden ved 800/37 = 22 nuller og faktisk som du kan se i den anden graf på grund af nul den hypotetiske kontant for den spiller, der startede væddemål efter 200 spin (kontant / gap-værdi på -45 i den anden graf), lukker de 1.000 lanceringer med en håndfuld vundne brikker, fordi det meste af fordelen ved lukningen af ​​kløften blev spist af nul.

Hvad ville have været den optimale strategi for spilleren i dette tilfælde? Det ville have været at begynde at spille på t = -2,5 (ved spin 204) og stoppe, så snart et par stykker fortjeneste er opnået (ved spin 246) med værdi t studerende klatrede tilbage til -2,00 og vandt dermed 3 fortjeneste. Synes lidt? Den pågældende spiller ville have vundet 3 stykker i 42 spins eller 7% af Roi!

Fra alt dette stammer vores Første regel: start kun med at satse, når t studerende når en værdi på +/- 2,5 og stop, så snart en fortjeneste opnås.


Mellemliggende tendenser

Den anden søjle i t-Luck algoritme er at kigge efter denne værdi af t studerende 2,5 ikke i de chancer, der går i et stærkt hul som i grafen ovenfor, der henviser til rødt, men i chancerne, der i stedet præsenterer en mere stabil tendens, blødere end de andre, og som jeg har omdøbt med udtrykket Mellemliggende tendenser.

Men hvis disse chancer ikke har et stort hul, hvordan når de værdien t studerende 2,5?  

Her er et eksempel på, hvad jeg mener med det samme Mellemliggende tendenser.

De to grafer ovenfor refererer altid til den røde chance, denne gang simuleret på 100 spins.

Hvis du ser på den første graf, vil du bemærke, at værdien t studerende nok tilbage stabil, det vil sige mellem +1 og -1,5 i praksis startede denne værdi naturligvis i den første graf fra 0, steg derefter til +1, faldt derefter til -1,5 og vendte til sidst tilbage til +1.

Indtil videre intet underligt, men hvis vi tæller værdien t studerende ifølge minimums- og maksimumværdier nået vil vi have det fra +1 (max) faldt det til -1,5 (min), så der var en afvigelse mellem minimum og maksimumsværdi på + 1 / -1,5 eller 2,5 point!

Her har vi fundet vores referenceværdi 2,5, og når der omkring spin 20 i grafen er mellemrummet på 2,5 blevet skabt, og vi begynder at fokusere på rødt (fordi vi ved -1,5 er i en hypofrekvenssituation) her er skæbnen og statistik) belønner os og spiller faktisk op til t studerende = +1 ville vi have vundet 15 enheder på mindre end 80 spins!

Baseret på regel 1 ovenfor ville vi naturligvis have stoppet efter den første fortjeneste, men med dette eksempel håber jeg at have afklaret begrebet Middle Trend og hvordan man tæller t studerende baserer det på afstanden mellem de minimum- og maksimumværdier, der opstår.


t-Luck algoritme (softwaren)

Alt klart indtil videre? Ok, rolig, softwaren udfører alle disse beregninger t-Luck algoritme, bliver spilleren kun nødt til at indtaste numrene, når de kommer ud og muligvis sat udelukkende for jævn masse (flat bet), når det signaliseres af softwaren.

Efter aktivering  t-Luck algoritme med den kode, du allerede ved, hvordan du finder, skal du bare åbne et spilbord og begynde at indtaste de numre, der allerede er frigivet, for at gøre det skal du blot klikke på en af ​​knapperne i den centrale kolonne nummereret fra 0 til 36.

Når du klikker på et nummer, vises det også i feltet nederst til venstre (Sidste) som vores referencepåmindelse.

Vær forsigtig, når du registrerer numrene, for hvis du indtaster et nummer forkert, er der ingen måde at rette det på, og du skal klikke på logoet ThatsLuck nederst til højre, hvilket grundlæggende nulstiller sessionen, og så skal du starte forfra.

I praksis er der intet andet at gøre, når en af ​​chancerne for at overvåge, som, som du vil se, er:

►Rød / sort

►Even / Odd

►Lav / Høj

►Dusinder

►Kolonner

►Sestine

producerer en studerendes t-værdigap på 2,5 straks i t-Luck algoritme en advarsel er aktiveret, der angiver, hvilken chance du vil sigte mod!

Som du kan se på billedet ovenfor, signaleres det i dette tilfælde at prøve at satse på den første sjette (SES 1), som som du kan se i de to kolonner til højre (som repræsenterer Frekvens af sortering af de forskellige chancer), er det hverken den hyppigste sestina (som er SES 2) eller den mindst hyppige (SES 3 og SES 6 aldrig frigivet).

I tilfælde af at et tal mellem 1 og 6 skulle komme ud, vil værdien af ​​den studerende t falde til under 2,5, og derefter forsvinder advarslen tydeligt, indtil der er en advarsel, som du ikke satser på og blot registrerer de vindende numre i henhold til deres kronologisk frigivelsesorden.

Det vil selvfølgelig også ske at satse flere chancer på samme tid, og i dette tilfælde kan du prøve at satse selv nogle enheder med lavere værdi på de numre, der er fælles mellem chancerne for at satse, ligesom jeg gjorde i billedet nedenfor, hvor jeg krydsede COL 1 med SES 2 og derfor satsede jeg også på de to almindelige tal 7 og 10.

Jeg håber, jeg har leveret en grundig analyse af projektet t-Luck algoritme, mine anbefalinger er ret enkle: øg aldrig din indsats og fastlæg fra starten af, hvor mange enheder der skal vindes, før du stopper (Stopwin), en værdi, som jeg anbefaler at sætte til 10, så gør selvfølgelig som du vil, så vigtig som altid er har sjovt på bankens regning!