t-Luck Algorithm

Cara mengukur keberuntungan

Mengukur keberuntungan dengan tepat, atau lebih tepatnya mencuba untuk meramalkan jurang peluang rolet dalam jangka pendek adalah utopia tulen, namun apabila jumlah putaran meningkat, berkat statistik ramalan mula menjadi semakin kurang, pada dasarnya, jurang yang menentukan nasib atau musibah kita dalam mempertaruhkan peluang di rolet, sebenarnya boleh diukur.

Cara yang mungkin untuk mengukur jurang adalah yang telah dijelaskan dalam โ–บ jawatan ini, apabila saya memberitahu anda tentang pekali Marigny yang terkenal.

Walau bagaimanapun, pekali Marigny mempunyai had, kerana ia hanya didasarkan pada peluang menentang dan melengkapkan, yaitu tanpa mengambil kira kehadiran sifar, yang sayangnya merupakan kesalahan penilaian yang serius.

Sebenarnya, jika kita mempertimbangkan misalnya 40.000 putaran di rolet, menurut Marigny kita akan mendapat keberuntungan maksimum kita (sama dengan 5 kali akar kuasa putaran yang dimainkan) akan menjadi 1.000 unit menang, tetapi sayang sekali bahawa dalam 40.000 putaran kita juga akan menemui 1.081 kali sifar, sehingga anda dapat melihat dengan pertaruhan rolet pada Merah atau Hitam pada jumlah yang sama (taruhan rata), mencapai 38.000 / 40.000 putaran, kerana sifar mustahil untuk memenangi satu unit pun secara matematik!

Had ini, bagaimanapun, jauh lebih besar jika kita mempertimbangkan pertaruhan pada nombor tunggal, dalam hal ini sebenarnya dengan selalu bertujuan untuk jisim (taruhan rata) kita dapat bertahan bahkan lebih dari 200.000 putaran!

Simulasi gambar sebelumnya diperoleh dengan bot perisian โ–บ Roulette Bias Sniper, seperti yang anda lihat setelah 215.000 putaran dimainkan secara bertaruh, masih ada 2 angka yang menjadikan pemain menang setara dengan kira-kira 30 nombor pemenang tunggal, jadi lebih dari 1.000 unit! Tetapi ini adalah topik yang akan kita bincangkan dengan lebih mendalam dalam catatan lain.

Kaedah lain untuk mengukur jurang, tetapi jauh lebih tepat daripada yang sebelumnya, adalah โ–บ Pembahagian t pelajar, yang akan saya gambarkan dengan segera.

Tiang pertama kaedah ini adalah unit pengukuran untuk jurang, yang disebut sisihan piawai (meter persegi)

Sisihan piawai sama dengan punca kuasa dua produk dari jumlah peristiwa (n) kali ganda kebarangkalian yang menguntungkan (p) dan kebarangkalian yang berlawanan (q).

sqm = RADQ (n * p * q)

contohnya jika kita mempertimbangkan 1.369 putaran rolet yang kita ada

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

Tiang kedua dari pelajar t รจ rata-rata peristiwa (m), yang sama dengan produk bilangan peristiwa (n) dan kebarangkalian yang baik.

m = n * p

sekali lagi berkaitan dengan putaran 1.369 di atas, jika kita mempertimbangkan satu nombor, kita mempunyai:

m = 1.369 * 1/37 = 37

Kedua-dua nilai ini, min (m) dan sisihan kuadrat rata-rata (sqm), adalah nilai statistik mutlak, kerana mereka membenarkan sebarang jurang dikurangkan ke unit pengukuran yang sama, tanpa mengira peristiwa di mana ia berlaku.

Pengurangan penting ini dapat dicapai dengan tepat oleh pelajar, yang merupakan nisbah antara penyimpangan (difahami sebagai perbezaan antara peristiwa baik U dan min) dan sisihan kuadrat min.

Oleh itu, kami mempunyai:

t = (U - m) / meter persegi

Sekali lagi berkaitan dengan lontaran hipotetis 1.369 bola rolet, jika misalnya angka 13 naik sembilan belas kali, kita mempunyai

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

Tanda + atau - menunjukkan hiperfrekuensi atau hipofrekuensi.

Pekali pelajar t Oleh itu, ia sangat berguna kerana terdapat jadual statistik yang juga boleh didapati di internet, yang menunjukkan betul-betul peratusan kebarangkalian nilai tertentu melebihi t.

Selalunya diandaikan bahawa had maksimum yang pelajar t adalah sama dengan 4, itu adalah had statistik yang dipersetujui bahawa kebarangkalian untuk melampaui itu secara praktikal tidak ada.

Sebelum meneruskan ingat bahawa pada ThatsLuck anda juga boleh mendapatkan kandungan percuma, jika anda ingin terus mengemas kini penerbitan melanggan saluran di โ–บYoutube.


2 kesilapan Marigny

Menjelaskan apa itu pelajar t dan bagaimana ia dikira, saya segera memberitahu anda bahawa kaedah pengukuran ini jelas lebih tepat daripada pekali Marigny, kerana dalam hasil yang dihasilkannya juga mengambil kira pajak (sifar).

Kesalahan besar Marigny adalah memikirkan bahawa apabila peluang mencapai perbezaan 3 atau lebih tinggi, ia mesti masuk semula, jadi dia menyarankan untuk segera masuk kembali ke celah.

Kesalahan pertama Marigny adalah tidak menganggap angka sifar, kerana jika benar bahawa jurang mesti dikembalikan, sama juga bahawa tidak ada yang dapat menentukan secara apriori berapa banyak pukulan jurang ini harus terjadi.

Sekiranya peluang mencapai misalnya jurang 4 (pekali Marigny sangat tinggi kerana maksimum adalah 5), siapa yang dapat meyakinkan kita bahawa fasa penggantian antara merah dan hitam yang berlangsung walaupun beratus-ratus putaran tidak dapat dimulakan?

Tidak buruk, seseorang akan berfikir, dalam fasa penggantian anda tidak akan menang tetapi anda juga tidak akan kalah ... tetapi tidak, kerana dalam keadaan apa pun sifar akan keluar sesuai dengan harapannya, mengikis terlebih dahulu semua kelebihan yang dapat kita capai apabila jurang benar-benar kembali ke keseimbangan semula jadi.

Kesalahan kedua dan paling serius dari Marigny: mempertimbangkan putaran yang dikumpulkan selama beberapa hari dan dari rolet yang berbeza sebagai satu kesatuan (juga dikenali sebagai "kekekalan peribadi").

Saya secara empirik menguji konsep menarik ini dan setelah beberapa juta putaran simulasi saya sampai pada kesimpulan ini: untuk tujuan kebolehpercayaan statistik konkrit, jurang rolet mesti diukur secara eksklusif dalam satu siri putaran yang boleh dirujuk kepada penjana yang sama yang menghasilkannya. dalam siri pelancaran tanpa gangguan.

Dengan kata lain, jika kita mahu analisis pada 1.000 putaran boleh dipercayai, kita mesti merekodkan 1.000 putaran secara berterusan pada rolet yang sama dan bukan misalnya 10 lintasan dari 100 putaran yang diambil pada hari yang berbeza dan dari rolet yang berbeza.

Sentiasa ingat konsep ini pada masa akan datang, kerana sangat penting dan jelas tidak berlaku ketika kita mencari bias rolet, kerana dalam hal ini jumlah semua data akan tetap menunjukkan, memang akan mengesahkan adanya kecacatan atau tidak, tetapi ini juga merupakan topik yang sudah dibahas dalam โ–บ jawatan lain.


t-Luck Algoritma (teori)

Sekarang mari kita lihat andaian statistik mana yang saya buat berdasarkan perisian baru Algoritma t-Luck.

Mari kita menganalisis jadual di atas sekali lagi:

Berdasarkan data yang dilaporkan, jika misalnya warna merah mencapai nilai pelajar t sama dengan 3,00 bermaksud kebarangkalian nilai ini mencapai 3,50 hanya 0,02%!

Namun, pada hakikatnya, hal ini tidak terjadi, kerana mungkin pertanyaan yang harus kita tanyakan pada diri kita sendiri adalah: sekali peluang mencapai t = 3,00 berapa kali ia sampai pada t = 3,50? Saya belum melakukan pengesahan ini, tetapi tidak akan mengambil masa yang lama dan saya membayangkan bahawa jadual di atas harus dibaca dengan lebih betul seperti ini: pada bilangan takaran 1.000 putaran yang tidak tentu yang akan mempunyai nilai t = 3,00 akan menjadi 0,13% sementara tidak akan ada tahap dengan t lebih besar daripada 4.

Walau bagaimanapun, ingin menganggap hipotesis sugestif yang boleh dipercayai bahawa tranche dengan t = 2,50 dapat melebihi t = 3,00 hanya dalam 0,13% kes, saya ingin menetapkan Algoritma t-Luck pada logik tertentu, dalam arti bahawa kedua-dua pekali Marigny dan pelajar t, ketika mereka mencapai nilai yang melampau, mereka sebenarnya mewakili tren peluang yang sangat kuat, yang seperti yang kita lihat sebelumnya, dapat kembali setelah mengetahui berapa ratus putaran, sementara kita terus membayar cukai di kaunter yang harus dibayar hingga sifar.

Untuk mengesahkan apa yang telah dilaporkan sejauh ini, saya mencadangkan dua graf ini, merujuk kepada 1.000 putaran yang dianalisis keduanya berkaitan dengan nilai pelajar t (grafik pertama) dan trend jurang peluang Merah.

Seperti yang anda lihat, grafik pertama mengesahkan bahawa apabila nilai t = tercapai -2,5 setelah kira-kira 200 putaran (oleh itu kita berada di hadapan hipofrekuensi frekuensi merah, iaitu hitam telah keluar berkali-kali) nilai pelajar t mula meningkat, menunjukkan bahawa peluang Merah secara beransur-ansur mulai mengimbangi frekuensinya sehubungan dengan peluang Hitam yang berlawanan.

Namun, kenaikan itu tidak mendadak, tetapi kita melihat bahawa keseimbangan (nilai pelajar t hampir dengan sifar) secara praktikal mencapai 1.000 putaran, jadi kami bermain sekitar 800 putaran di mana kami membayar keindahan 800/37 = 22 sifar dan sebenarnya seperti yang anda lihat dalam grafik kedua kerana sifar wang hipotesis pemain yang memulakan pertaruhan selepas 200 putaran (nilai tunai / jurang -45 dalam grafik kedua), menutup 1.000 pelancaran dengan segelintir kemenangan dimenangi, kerana sebahagian besar kelebihan yang diperoleh dari penutupan jurang dimakan dengan sifar.

Apa strategi terbaik untuk pemain dalam kes ini? Ia pasti mula bermain pada t = -2,5 (pada putaran 204) dan berhenti sebaik sahaja beberapa untung diperoleh (pada putaran 246) dengan nilai pelajar t naik kembali ke -2,00 sehingga berjaya memperoleh 3 untung. Nampak sedikit? Pemain yang dimaksudkan akan memenangi 3 keping dalam 42 putaran, atau 7% dari Roi!

Dari semua ini adalah milik kita Peraturan pertama: mula bertaruh hanya apabila pelajar t mencapai nilai +/- 2,5 dan berhenti sebaik sahaja keuntungan dibuat.


Trend Tengah

Tiang kedua dari Algoritma t-Luck adalah untuk mencari nilai ini pelajar t 2,5 bukan pada peluang yang masuk ke jurang yang kuat seperti pada grafik di atas yang merujuk pada Red, tetapi pada kemungkinan yang menunjukkan trend yang lebih stabil, lebih lembut daripada yang lain dan yang telah saya namakan dengan istilah Trend Tengah.

Tetapi jika peluang ini tidak mempunyai jurang yang besar, bagaimana mereka mencapai nilainya pelajar t 2,5?  

Inilah contoh maksud saya dengan segera Trend Tengah.

Kedua-dua grafik di atas selalu merujuk kepada peluang Merah, kali ini disimulasikan pada 100 putaran.

Sekiranya anda melihat grafik pertama, anda akan melihat bahawa nilainya pelajar t tinggal cukup stabil, iaitu antara +1 dan -1,5 dalam praktiknya, pada grafik pertama nilai ini jelas bermula dari 0, kemudian meningkat menjadi +1, kemudian jatuh ke -1,5 dan akhirnya kembali ke +1.

Setakat ini tidak ada yang pelik, tetapi jika kita menghitung nilainya pelajar t mengikut nilai minimum dan maksimum mencapai kita akan mendapat bahawa dari +1 (maks) ia turun menjadi -1,5 (min), jadi ada satu penyelewengan antara nilai minimum dan maksimum + 1 / -1,5 atau 2,5 mata!

Di sini kita telah menjumpai nilai rujukan 2,5 kita dan oleh itu apabila di sekitar putaran 20 graf, jurang 2,5 telah dibuat dan kita mula fokus pada Merah (kerana pada -1,5 kita berada dalam keadaan hipofrekuensi) inilah nasib ( dan statistik) memberi ganjaran kepada kami, bermain sehingga pelajar t = +1 kita akan memenangkan 15 unit dalam masa kurang daripada 80 putaran!

Jelas berdasarkan peraturan 1 di atas, kita akan berhenti selepas keuntungan pertama, namun dengan contoh ini saya berharap dapat menjelaskan konsep Trend Tengah dan bagaimana mengira pelajar t mendasarkannya pada jurang antara nilai minimum dan maksimum yang dihadapi.


t-Luck Algoritma (Perisian)

Semua jelas setakat ini? Ok, jangan risau, perisian akan melakukan semua pengiraan ini Algoritma t-Luck, pemain hanya perlu memasukkan nombor ketika mereka keluar dan mungkin bertaruh secara eksklusif untuk sama rata (taruhan rata) apabila dilaporkan oleh Perisian.

Selepas mengaktifkan  Algoritma t-Luck dengan kod yang sudah anda ketahui bagaimana caranya, cukup buka meja permainan dan mulailah memasukkan nombor yang telah dilepaskan, untuk melakukannya cukup klik salah satu butang di lajur tengah bernombor 0 hingga 36.

Apabila anda mengklik nombor, ia juga muncul di kotak di kiri bawah (Terakhir) sebagai peringatan rujukan kami.

Berhati-hatilah semasa anda mendaftarkan nombor, kerana jika anda salah memasukkan nombor tidak ada cara untuk memperbaikinya dan anda harus mengklik logo ThatsLuck di bahagian bawah kanan, yang pada dasarnya mengatur semula sesi dan kemudian anda harus memulakannya sekali lagi.

Dalam praktiknya tidak ada lagi yang dapat dilakukan, apabila salah satu peluang untuk memantau, seperti yang akan anda lihat, adalah:

โ–บMerah / Hitam

โ–บEven / Ganjil

โ–บ Rendah / Tinggi

โ–บDozens

โ–บKolom

โ–บSestine

menghasilkan jurang nilai t pelajar 2,5 dalam Algoritma t-Luck amaran diaktifkan menunjukkan peluang untuk tujuan!

Seperti yang anda lihat dalam gambar di atas, dalam hal ini ditandakan untuk mencoba bertaruh pada keenam pertama (SES 1), yang seperti yang anda lihat di dua lajur di sebelah kanan (yang mewakili Kekerapan dari pelbagai peluang), ia bukan sestina yang paling kerap (yang merupakan SES 2), atau yang paling jarang (SES 3 dan SES 6 tidak pernah dilepaskan).

Sekiranya nombor antara 1 dan 6 keluar, nilai pelajar t akan turun di bawah 2,5 dan kemudian amaran akan hilang, jelas sehingga ada amaran anda tidak bertaruh dan hanya mencatat nombor yang menang mengikut mereka susunan kronologi pelepasan.

Jelas sekali juga berlaku untuk mempertaruhkan lebih banyak peluang pada masa yang sama dan, dalam kes ini, anda boleh mencuba bertaruh walaupun beberapa unit dengan nilai yang lebih rendah pada angka yang sama antara peluang untuk bertaruh, seperti yang saya lakukan pada gambar di bawah , di mana saya menyeberangi COL 1 dengan SES 2 dan oleh itu saya juga bertaruh pada dua nombor biasa 7 dan 10.

Saya harap saya telah memberikan analisis menyeluruh mengenai projek ini Algoritma t-Luck, cadangan saya agak mudah: jangan sekali-kali meningkatkan pertaruhan anda dan tentukan sejak awal berapa banyak unit yang akan dimenangi sebelum berhenti (Stopwin), nilai yang saya cadangkan tetapkan pada 10, maka tentu saja lakukan sesuka hati, sama pentingnya dengan selalu seronok dengan perbelanjaan bank!