Կրիպտո կազինո
Torrent Gear
Ինչպես հաշվարկել հաղթելու հավանականությունը երկար հեռավորության վրա
1) Ի՞ նչ ենք կարծում
Մեզ հետաքրքրում է այն հավանականությունը, որ պետք է լինենք (N) փորձերից հետո, երբ սահմանված են վճարման կանոններ և մեկ փորձի շահման շանսը։ Տարբեր խաղերի համար մոդելը տարբեր է
Դրույքաչափերը 1: 1 (ռուլետկա, չեթ/ոչ, կարմիր/սև) 'դիսկրետ կենսաբանական մոդել։
Արցունքները ՝ վճարումները լայնամասշտաբ են, ավելի հարմար են միջին և ցրման նորմալ մոտեցումը։
Հիմնական գաղափարը 'EV <0 (edge> 0) դեպքում հավանականությունը «լինել պլյուսում» նվազում է N. EV> 0-ի աճով, աճում է, բայց կախված է ցրումից։
2) Տերմինների հիմքը
RTP-ը միջին տերմինն է (միասին), edge = 1 մգ RTP-ը։
EV-ը մի փորձարկում է (1: 1 տոկոսադրույքով 1:1 վճարմամբ): (EV = P/cdot (+ 1) + (1-p) cdot (-1) = 2p-1)։
Շրջանառությունը (=) ցույց է տալիս փորձերի քանակը։- Մեծ թվերի օրենքը 'միջին արդյունքը ձգվում է դեպի (EV) մեծ (N)։
3) 1: 1: ճշգրիտ բանաձևը կենսաբանական բաշխման միջոցով
Թող (p) մեկ տոկոսադրույքի շահման հավանականությունն է, (q = 1-p), դրույքաչափը = 1 յունիտ, վճարումը 1: 1։ Համար (N) բացատրվում է հաղթողների թիվը (W/sim/www.d.w.d.com (N, p)։
Արդյունքը (S = (+ 1 )/cdot W + (-1) pdot (N-W) = 2W - N)։
Պլյուսի պայմանը: (S> 0/iff W> N/2)։ Այդ ժամանակ
[
\boxed{;\Pr(S>0)=\sum_{w=\lfloor N/2\rfloor+1}^{N}\binom{N}{w}p^w q^{N-w};}
]Օրինակ (եվրոպական ռուլետկա, 1:1): (p = 18/37/approx 0։ 4865), (q\approx0. 5135).
(N = 50): Մենք համարում ենք կենսաբանական բաշխման պոչը (W> 25)։
(N = 500) 'պայման (W> 250)։ Պոչը դառնում է շատ ավելի քիչ պատճառով (p <0։ 5).
Նորմալ մոտեցումը (արագ գնահատել) 'մեծ (N), [- W \approx \mathcal{N}(Np,;Np q),\quad
- \Pr(S>0)\approx 1-\Phi!\left(\frac{N/2 - Np}{\sqrt{Np q}}\right), ]
- Որտեղ (Phi) - SFR նորմալ օրենքը։
4) Մեկ այլ վճար (օրինակ ՝ k: 1)
Եթե հաղթելու համար վճարում են (k) միավորներ հավանականությամբ (p), իսկ պարտությունը արժե 1 յունիտ, արդյունքը
[
S = kW - (N-W) = (k+1)W - N.
]Պլյուսի պայմանը: (W >/dfrac + N++ 1 +)։ Այդ ժամանակ
[
\Pr(S>0)=\sum_{w=\lfloor N/(k+1)\rfloor+1}^{N}\binom{N}{w}p^w(1-p)^{N-w}.
]Արագ ստուգում EV: (EV = kp - (1-p) = (k + 1) p-1)։ Եթե (EV <0), պլյուսի հնարավորությունը նվազում է աճի հետ (N)։
5) Արցունքներ 'նորմալ մոտեցում միջին և ցրման վրա
Փղերում մեկ փորձի վճարումը (X) ակնկալում է (/mu = RTP - 1 = -edge) (տոկոսադրույքով) և դիսպլյացիան (108 sigma ^ 2) (կախված է արցունքից/ալատիլիզմից)։ (N) սպինների գումարը
[
S_N \approx \mathcal{N}\big(N\mu,; N\sigma^2\big).
][
\boxed{;\Pr(S_N>0) \approx 1 - \Phi!\left(\frac{0 - N\mu}{\sigma \sqrt{N}}\right)
= 1 - \Phi!\left(\frac{-N(-edge)}{\sigma \sqrt{N}}\right)
= 1 - \Phi!\left(\frac{edge\sqrt{N}}{\sigma}\right);}
]Ինտուիցիա 'ֆիքսված edge> 0 դեպքում դրոշակիրը աճում է որպես (corrt + N), այնպես որ պլյուսի հավանականությունը սպանում է ավելացումով (N)։ Որքան բարձր է (0,sigma) (անկայունությունը), այնքան դանդաղ է (ավելի լայն պոչը)։
Գնահատականնրեը (sigma) «մատների վրա»
Միջին ալատիլության արցունքները ՝ (sigma) մեկ փորձով թիվ 1։ 5-3 ռուսական։
Բարձր ալատիլություն ՝ 363-6 ռուբլիներ։
Տեղադրեք բանաձևի մեջ, որպեսզի հարմարեցնեք մեծության կարգը։
6) Վստահելի ընդմիջումները «որտեղ եմ լինելու» N-ից հետո
ՑՊՏ-ի միջոցով[
S_N \approx N\cdot EV \pm z_{\alpha}\cdot \sigma\sqrt{N}.
]Ռուլետկայի համար 1: 1 վերցրեք (sigma _ _ _ corport.com + մեկ + coprox 1) տոկոսադրույքը։
Փղերի համար օգտագործեք ցենտրեր (sigma) ավելի բարձր։
Սա տալիս է «միջանցք», որտեղ մեծ հավանականությամբ կհայտնվի արդյունքը։ Եթե «0» -ը գտնվում է միջինից հեռու (N/cdot EV) EV <0-ում, ապա պլյուսի հավանականությունը փոքր է։
7) Արագ մինի-հաշվիչները
Ա. Ռուլետկա 1: 1 (նորմալ մոտեցում)
[
z=\frac{N/2 - Np}{\sqrt{Np(1-p)}},\quad \Pr(\text{плюс})\approx 1-\Phi(z).
]B. Ընդհանուր քեյս k: 1
[
z=\frac{N/(k+1) - Np}{\sqrt{Np(1-p)}},\quad \Pr(\text{плюс})\approx 1-\Phi(z).
][
\Pr(\text{плюс})\approx 1-\Phi!\left(\frac{edge\sqrt{N}}{\sigma}\right), \quad \text{где } edge=1-RTP.
]8) Կոնկրետ օրինակներ
Օրինակ 1 - ռուլետկա 1: 1, (N = 200)։
(p=18/37\approx0. 4865), (Np=97. 3), շեմն (N/2 = 100)։
(\sigma=\sqrt{Np(1-p)}\approx \sqrt{200\cdot0. 4865\cdot0. 5135}\approx 7. 07).
(z=(100-97. 3)/7. 07\approx 0. 38) 108 (108 Pr (104 + plus )/approx 1-104 Phi (0։ 38)\approx 35%).
Օրինակ 2 - ռուլետկա 1: 1, (N = 1000)։
(Np=486. 5), 500-ի շեմը (108 sigma/approx 15։ 8), (z\approx 0. 85) 108 (108 Pr (104 + pluce + plus) paprox 19։ 7%).
Աճը (N) նվազեցնում է պլյուսի հնարավորությունը (EV <0)։
Օրինակ 3 - RTP 96 տոկոսը, միջին ալատիլությունը։
edge=0. 04, ենթադրենք (sigma) մեկ փորձով = 2 դրույքաչափ։
(N=1000): (\dfrac{edge\sqrt{N}}{\sigma}=\dfrac{0. 04\cdot31. 62}{2}\approx 0. 632) 108 (108 Pr (104 + plus )/approx 1-104 Phi (0։ 632)\approx 26. 4%).
(N = 10,000), ցուցիչ (0,approx 2։ 0) 108 (108 Pr (108 մգ + plus) paprox 2։ 3%).
9) Ինչպես օգտագործել հաշվարկները գործնականում
Գիտեք, EV <0 երկար հեռավորությունն աշխատում է ձեր դեմ 'պլյուսի հավանականությունը սպանում է։
Նպատակը 'ալատիլիզմի պրոֆիլն է' տրամագծերի/թեյկ-պրոֆիտների համար ասիմետրիայի հետ կարող եք ճշգրտել high-vol (ավելի շատ պոչեր) կետերը, բայց ավելի քիչ տոկոսադրույքով։
Ֆինանսավորման տոկոսում (RF)
high-vol: 0. 25–0. 75 տոկոսը RF, միջին ՝ 241 տոկոսը, ցածր/1: 1: 1-2 տոկոսը։
Խաղալ շարքերով 'սահմանափակեք (N) նստաշրջանում, վերահսկում եք հավանականությունը «գնալ մինուս հեռու»։- Արագության վերահսկումը '«ժամի գինը» (approx edge/times/www.d.com)։
- Waiger: արժեքը (spiprox port.com conus compus _ times/Weiger com/times edge)։ Երկար հեռավորության վրա արդյունքը ձգվում է այս գնին։
10) Հաճախակի մեկնաբանության սխալները
«Մի շարք մինուսներից հետո պլյուսի հավանականությունը աճում է»։ Ոչ, ելույթի անկախությունը։- «Ես մեծացնում եմ տոկոսադրույքը, մեծացնում եմ հեռավորության վրա պլյուսի հնարավորությունը»։ Ոչ, դուք կբարձրացնեք հեղափոխությունը և ցուցադրությունը, ոչ (p) և ոչ RTP-ը։
- «Եթե երկար ժամանակ մնամ, դուրս կգամ գումարած»։ EV <0 դեպքում հակադարձ հավանականությունը ավելի բարձր է։
11) Chek Lister (60 վայրկյանում)
1. Գիտեմ (p), (k) (կամ RTP/edge և կարգուկանոնը)։
2. Նա համարեց հաղթելու շեմն ՝ (N/2) (1: 1) կամ (N/( k + 1))։
3. Prinul-ը (codice + plus) կենսաբանական կամ նորմալ z պոչով։
4. Տոկոսադրույքը նշված է որպես ընթացիկ RF տոկոսը։
5. Կան լիմիտ (N) ստանդարտ և ստոպային մակարդակների վրա (SL/TP)։
6. Արագություն/» ժամի գինը»։
«Պլյուսում» լինելու հնարավորությունը (N) փորձերից հետո որոշվում է սպասելով և ցրելով. EV <0-ի դեպքում այն սպանում է հեռավորության աճի հետ (հատկապես հավասարակշռության կետերում 1: 1), EV> 0-ում, աճում է, բայց տեմպը կախված է անկայունությունից։ Օգտագործեք կենսաբանական պոչեր պարզ պարամետրերի համար և նորմալ մոտեցումներ փղերի համար, պահեք տոկոսադրույքը սնանկության տոկոսին, նվագեք շարքերով և վերահսկեք արագությունը, այնպես որ դուք վերափոխեք վերացական տեսությունը խաղի ռիսկի և տևողության վերաբերյալ հասկանալի լուծումների։