t-Luck Algorithm

運を測る方法

運を正確に測定すること、または短期的にルーレットのチャンスのギャップを予測しようとすることは純粋なユートピアですが、スピンの数が増えるにつれて、統計のおかげで、予測はますます概算になり始めます。ルーレットでチャンスを賭けることで私たちの運や不幸を決定し、実際に測定可能です。

ギャップを測定するための可能な方法は、►ですでに説明されている方法です。 questoポスト、有名なマリニー係数についてお話しします。

ただし、マリニー係数には限界があります。これは、反対の可能性のある可能性のみに基づいているためです。つまり、ゼロの存在を考慮に入れていないため、残念ながら重大な評価エラーになります。

実際、たとえばルーレットで40.000回のスピンを考えると、マリニーによれば、最大の運(プレイしたスピンの平方根の5倍に相当)は1.000ユニットを獲得することになりますが、40.000回であるのは残念です。スピンもゼロの1.081倍に遭遇するため、赤または黒のルーレットベットで均等な質量(フラットベット)で38.000 / 40.000スピンに達することがわかります。ゼロのため、XNUMXつのユニットでも勝つことは数学的に不可能です。

ただし、この制限は、単一の数字への賭けを考慮するとはるかに大きくなります。この場合、実際には、常に均等な質量(フラットベット)を目指すことで、200.000回以上のスピンでも生き残ることができます。

前の画像のシミュレーションは、ソフトウェアボットを使用して取得されました► Roulette Bias Sniper、215.000回のスピンがフラットベットでプレイされた後でもわかるように、プレーヤーに勝った数字は2つあり、約30のシングル勝ち番号に相当するため、1.000ユニットを超えます。 しかし、これは別の投稿でさらに詳しく説明するトピックです。

ギャップを測定する別の方法ですが、前の方法よりもはるかに正確ですが、► スチューデントのt分布、すぐに説明します。

この方法の最初の柱は、ギャップの測定単位であり、 標準偏差 (平方メートル)。

標準偏差は、イベントの総数(n)に好ましい確率(p)と反対の確率(q)を掛けた積の平方根に等しくなります。

平方メートル= RADQ(n * p * q)

たとえば、ルーレットの1.369スピンを考えると、

平方メートル= RADQ(1.369 * 1/37 * 36/37)= 6。

の第二の柱 tスチューデント è 平均 イベントの数(n)と好ましい確率の積に等しいイベント(m)の。

m = n * p

上記の1.369スピンに関連して、単一の数を考えると、次のようになります。

m = 1.369 * 1/37 = 37

これらのXNUMXつの値、平均(m)と平均二乗偏差(sqm)は、発生したイベントに関係なく、ギャップを同じ測定単位に減らすことができるため、絶対統計値です。

この重要な削減は、 tスチューデント、 これは、偏差(好ましいイベントUと平均の差として理解される)と平均二乗偏差の比率です。

したがって、次のことがあります。

t =(U-m)/平方メートル

ここでも、ルーレットボールの仮想的な1.369スローに関連して、たとえば13という数字がXNUMX回出た場合、次のようになります。

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

+または-記号は、高周波数または低周波数を示します。

係数 tスチューデント したがって、ネット上でも見つけることができる統計表があるため、非常に便利です。 エサッタメント の特定の値を超える確率のパーセンテージ t.

一般的に、 上限 インクルード tスチューデント に等しい 4、それは、それを超える確率が実質的にゼロであることが合意されている統計的限界です。

続行する前に、 ThatsLuck 出版物の最新情報を入手したい場合は、無料のコンテンツを見つけることもできます。►のチャンネルに登録してください。YouTube.


マリニーの2つの間違い

何を明確に tスチューデント そしてそれがどのように計算されるか、私はすぐにあなたにこの測定方法がマリニー係数より明らかに適切であることをあなたに伝えます、なぜならそれが生成する結果では税金(ゼロ)も考慮に入れるからです。

マリニーの大きな間違いは、チャンスが差3以上に達すると、必ず戻る必要があると考えていたため、ギャップの即時の戻りを目指すことを提案しました。

マリニーの最初の間違いはゼロを考慮していませんでした。ギャップを返さなければならないことが絶対に真実である場合、このギャップが発生しなければならないストローク数を事前に確立できないことも同様に真実です。

たとえばギャップ4(最大値が5であるため、非常に高いマリニー係数)に達する可能性がある場合、数百回のスピンでも続く赤と黒の交互のフェーズを開始できないことを誰が保証できますか?

悪くはない、誰かが思うだろう、交代フェーズではあなたは勝てないが負けない...しかし、いずれにせよ、ゼロは彼の期待に従って出て、私たちが達成できるすべての利点を事前に侵食するからですギャップが本当に自然なバランスに戻ったとき。

マリニーのXNUMX番目で最も深刻な間違い:数日でさまざまなルーレットから収集されたスピンを単一の永続性(「個人的な永続性」とも呼ばれます)と見なすこと。

私はこの魅力的な概念を経験的にテストし、数百万回のスピンをシミュレートした後、この結論に達しました。具体的な統計的信頼性のために、ルーレットのギャップは、それらを生成した同じジェネレーターを参照できる一連のスピンでのみ測定する必要があります。 中断のない一連の打ち上げで.

言い換えれば、1.000スピンの分析の信頼性を高めるには、同じルーレットで1.000スピンを連続して記録する必要があります。たとえば、異なる日に異なるルーレットから取得した10スピンのトランシェを100回記録する必要はありません。

この概念は非常に重要であり、ルーレットバイアスを探しているときには明らかに適用されないため、将来的には常にこの概念を覚えておいてください。この場合、すべてのデータの合計は依然として指標であり、実際に欠陥かどうかはわかりませんが、これも►ですでに扱っているトピックです。 他の投稿.


t-Luckアルゴリズム(理論)

次に、新しいソフトウェアに基づいた統計的仮定を見てみましょう。 t-Luckアルゴリズム.

上記の表をもう一度分析してみましょう。

報告されたデータに基づいて、たとえば赤が値に達した場合 tスチューデント 3,00に等しいということは、この値が3,50に達する確率がわずか0,02%であることを意味します。

ただし、実際にはそうではありません。おそらく、私たちが本当に自問すべき質問は、チャンスがt = 3,00に達すると、t = 3,50に何回到達するかということです。 私はまだこの検証を行っていませんが、それほど時間はかからず、上の表は次のようにもっと正しく読む必要があると思います。1.000スピンのトランシェが無期限にある場合、t = 3,00の値になるトランシェは0,13%ですが、tが4より大きいトランシェはありません。

ただし、t = 2,50のトランシェがt = 3,00を超える可能性があるのは、0,13%の場合のみであるという示唆的な仮説を信頼できるものと見なしたいので、 t-Luckアルゴリズム マリニー係数と tスチューデント、それらが極端な値に達すると、実際には、与えられたチャンスの非常に強い傾向を表しています。これは、前に見たように、何百ものスピンを知った後に戻る可能性がありますが、店頭で税金を支払い続けますゼロに。

これまでに報告されたことを確認するために、値に関連して両方とも分析された1.000スピンを参照して、これらXNUMXつのグラフを提案します。 tスチューデント (最初のグラフ)とレッドチャンスのギャップの傾向。

ご覧のとおり、最初のグラフは、値t =に達すると確認します。 -2,5 約200回のスピンの後(したがって、赤の低周波が存在する、つまり黒が何度も出てきた)、 tスチューデント 赤のチャンスが反対の黒のチャンスに対して徐々にその頻度のバランスを取り始めていることを示して、上昇し始めます。

ただし、急激な上昇ではありませんが、バランス(値 tスチューデント ゼロに近い)実際には1.000スピンに達するので、約800スピンをプレイし、800/37 = 22ゼロの美しさを支払います。実際、200番目のグラフでわかるように、開始したプレーヤーの仮想キャッシュがゼロであるためです。 45スピン(1.000番目のグラフのキャッシュ/ギャップ値-XNUMX)後に賭けた場合、ギャップを閉じることで得られる利点のほとんどがゼロで消費されたため、XNUMX回のスローを数個の勝ちで閉じます。

この場合、プレイヤーにとって最適な戦略は何でしたか? t = -2,5(スピン204)でプレーを開始し、価値のあるいくつかの利益が得られたら(スピン246で)停止することでした。 tスチューデント -2,00に戻ったため、3つの利益を獲得しました。 少しそうですか? 問題のプレーヤーは、3スピンで42ピース、つまりRoiの7%を獲得したはずです。

これらすべてから私たちのものを導き出します 最初のルール: 賭けを開始するのは tスチューデント +/- 2,5の値に達し、利益が得られるとすぐに停止します。


ミドルトレンド

の第二の柱 t-Luckアルゴリズム のこの値を探すことです tスチューデント 2,5 上のグラフのように赤を参照しているように大きなギャップに入る可能性ではなく、代わりに他よりも柔らかく、より安定した傾向を示し、用語に名前を変更した可能性があります ミドルトレンド.

しかし、これらのチャンスに大きなギャップがない場合、どのようにして価値に到達するのでしょうか tスチューデント 2,5?  

これが私がすぐに意味することの例です ミドルトレンド.

上記の100つのグラフは、常に赤のチャンスを示しています。今回はXNUMXスピンでシミュレートされています。

最初のグラフを見ると、値が tスチューデント 十分残っています 安定した、つまり、 +1から-1,5の間 実際には、最初のグラフでは、この値は明らかに0から始まり、+ 1に上昇し、次に-1,5に低下し、最後に+1に戻りました。

これまでのところ奇妙なことは何もありませんが、値を数えると tスチューデント による 最小値と最大値 到達すると、+ 1(最大)から-1,5(最小)に低下したので、XNUMXつありました 偏差 + 1 / -1,5または2,5ポイントの最小値と最大値の間!

ここで参照値2,5が見つかりました。したがって、グラフのスピン20付近で、2,5のギャップが作成され、赤に焦点を合わせ始めます(-1,5では低頻度の状況にあるため)、ここでの運命は(と統計)私たちに報酬を与え、実際には tスチューデント = +1私たちは15スピン未満で80ユニットを獲得したでしょう!

明らかに上記のルール1に基づいて、最初の利益の後に停止しますが、この例では、ミドルトレンドの概念とカウント方法を明確にしたいと思います。 tスチューデント 遭遇した最小値と最大値の間のギャップに基づいています。


t-Luckアルゴリズム(ソフトウェア)

これまでのところすべてクリアですか? わかりました、心配しないでください、ソフトウェアはこれらすべての計算を行います t-Luckアルゴリズム、プレーヤーは出てきた数字を入力するだけでよく、ソフトウェアによって報告された場合は、マス(フラットベット)でさえも独占的にベットする可能性があります。

アクティベート後  t-Luckアルゴリズム すでに見つけたコードを使用して、ゲームテーブルを開き、すでにリリースされている番号の入力を開始します。これを行うには、中央の列にある0から36までの番号が付いたボタンのXNUMXつをクリックします。

番号をクリックすると、参照リマインダーとして左下(最後)のボックスにも表示されます。

番号を間違って入力した場合、それを修正する方法がなく、ロゴをクリックする必要があるため、番号を登録するときは注意してください ThatsLuck 右下にあります。これは基本的にセッションをリセットし、最初からやり直す必要があります。

実際には、他に何もすることはありません。これを監視する機会のXNUMXつは、次のとおりです。

►赤/黒

►偶数/奇数

►低/高

►数十

►列

►セスティーナ

すぐに2,5のスチューデントt値ギャップを生成します t-Luckアルゴリズム どのチャンスを狙うかを示す警告がアクティブになります!

上の画像でわかるように、この場合、最初の1分のXNUMX(SES XNUMX)に賭けようとするように通知されます。これは、右側のXNUMXつの列( Frequenza さまざまな可能性の出撃の)、それは最も頻度の高いセスティーナ(SES 2)でも、最も頻度の低いセスティーナ(SES3およびSES6はリリースされていない)でもありません。

1から6までの数字が出た場合、スチューデントのtの値は2,5を下回り、警告は消えます。明らかに、賭けない警告が出るまで、勝ち番号を記録します。リリースの時系列。

もちろん、同時により多くのチャンスを賭けることもあります。この場合、下の画像で行ったように、賭けるチャンスの間に共通する数字に、より低い値の数単位でも賭けることができます。 、COL1とSES2を交差させたため、7つの一般的な番号10とXNUMXにも賭けました。

プロジェクトの徹底的な分析を提供したことを願っています t-Luckアルゴリズム、私の推奨事項は非常に単純です。賭けを増やして、停止する前に勝つユニットの数(Stopwin)を最初から確立しないでください。この値は、10に設定することをお勧めします。もちろん、いつものように重要です。銀行の費用で楽しい!