Son bahislərin effektivliyini əks etdirən bir OCRYCOP cədvəlinin necə əldə ediləcəyini tapmaq üçün sətirin açılışından sonuna qədər bahislərin dalğalanmalarını simulyasiya edən sadə bir model qurdum. **https://idman-az.com/bk-s-bonuses** saytında yaxşı bonus təklifləri Bu model hər biri ilkin və son əmsallardan istifadə olunan 10.000 mərcdən ibarət idi.

Mərclərin qoyulduğu nəticələrin “həqiqi” ehtimal dəyərlərinin qeyri-müəyyənliyini çoxaltmağa çalışmaq üçün, başlanğıc əmsallarını ortalama 2.00 ətrafında, 0.15 standart bir sapma (σ) ilə təsadüfi şəkildə paylamağa qərar verdim. 1.85-dən 2.15-ə qədər qəbul edilmiş əmsalların üçdə ikisi və əmsalların% 95-i 1.70-dən 2.30-a qədər dəyərlər götürmüşdür).

Beləliklə, yalnız Laplas iblisinə (və mənə) məlum olan hər bir mərcin “həqiqi” əmsalları 2.00 olduğu halda, hipotetik bukmeker şirkətinin mənim modelimdə yayımladığı ilkin ehtimallar bu ortalamadan bir qədər fərqli idi. 0,15 standart bir sapma seçdim, çünki bu, əmsalların 2.00-ə yaxın olduğu real dünya bahis bazarlarında görülən açıq-yaxın qiymət dəyişmələrini əks etdirir.

Məsələn, 0,05 standart bir sapma istifadə edərək, 2,00-ə yaxın nəşr olunan başlanğıc nisbətlərinin 95% -i ± 5% -ə qədər bir səhv olardı. Göründüyü kimi, bu aralıq çox dardır: əmsallarda müşahidə olunan dalğalanma aralığı nəzərə alınmalıdır. Eynilə, 0,3 və ya daha yüksək standart bir sapma istifadə etməklə, bukmeker kontorun necə qoyulacağını bilmədiyini düşünməyimizə gətirib çıxaracaq ki, bu da bildiyimiz kimi ümumiyyətlə “doğru” deyil.

Bazar səmərəliliyi, böyük nümunələrə tətbiq olunan maraqlı bir konsepsiyadır. Müəyyən bir hadisənin nəticəsi ehtimalının “həqiqi” dəyərini öyrənə bilmiriksə, bu nəticədəki bahislərin effektivliyini necə öyrənə bilərik?

Bukmeker kontorunun "həqiqi" bahis 2.00 olduğu təqdirdə əmsalları 3.00-a təyin etməsi ehtimalı çox azdır. Bəli, mümkündür, lakin bu, ümumiyyətlə açıq bir səhv nəticəsində və ya katsayının təyin edildiyi anda bilinməyən gözlənilməz əhəmiyyətli bir hadisə ilə əlaqəli olur. Əlbətdə ki, belə şəraitdə "həqiqi" əmsalı dəyişikliyindən danışmaq ağlabatandır. Modelimizə qayıdaq. Bəzi başlanğıc amillərini təyin etdim; cəmi nədir?

Nəzəri olaraq, son bahislər oyunçuların pul köməyi ilə söylədikləri fikirləri əks etdirir. Güman edək ki, həddindən artıq vəziyyətdə, oyunçuların fikirləri müəyyən bir nəticənin “həqiqi” ehtimalı barədə məlumatların cəminə əsaslanmasına baxmayaraq, əvvəldən xas təsadüfi qeyri-müəyyənlik eyni səviyyədə qalacaqdır. Qeyri-müəyyənliyi eyni səviyyədə saxlamağın mümkün olmadığı aydındır, çünki bahis bazarları Bayes məlumatlarının işlənməsində kifayət qədər təsirli olur: bir hadisənin baş vermə ehtimalı barədə fikirləri davamlı olaraq dəqiqləşdirir, yeniləyir və təkmilləşdirir və beləliklə qeyri-müəyyənlik səviyyəsini azaldır.

Modelimizdə orta əmsalı və standart sapma sırasıyla 2.00 və 0.15-dir. İndi belə əmsalların hər cütü ilə əlaqəli olaraq ilkin və son əmsalların nisbətini hesablaya bilərik. Müəyyən bir nəticə ehtimalının "həqiqi" dəyərini (50%) bilməklə, 10.000 qarşılaşma üçün ilkin və son əmsallarla mərclərdən gözlənilən gəliri hesablaya bilərik. Nəhayət, ilkin və son əmsalların nisbətindən asılı olaraq, ilkin və son əmsallarla bahislər üçün gözlənilən gəlirin dalğalanmalarını qura bilərik. Pinnacle uyğunlaşma nisbətlərindən istifadə edərək yuxarıda belə bir qrafik qurdum.

Aşağıdakı altı qrafikdən birincisi, modelin qurulmasının nəticələrini göstərir. Mavi və qırmızı rəngli xətlər, ilkin və son əmsalları olan 50 matç üçün eyni ölçülü (y oxu) mərclər üçün dövriyyədən gözlənilən orta mənfəəti ilk və son əmsallar -1 (x) təşkil edir. -axis). Əldə edilən dəyərlər yuxarıdakı Pinnacle məlumatlarına çox bənzəmir.

Birlikdə götürülən başlanğıc və bitmə nisbətlərim orta hesabla "həqiqi" nisbətlərlə eyni olduğundan nəzəri cəhətdən səmərəli olsa da, əslində başlanğıc və bitmə nisbətlərinin nisbəti gözlənilən gəlirin yalnız yarısını proqnozlaşdırır (OCRYCOP = 0,5). Məsələn, 110% nisbət, ilk bahis ilə bahis qoyarkən 105% gəlir gətirir (və ya qazancın 5% -i) və son bahis ilə bahis qoyarkən 95% gəlir (və ya cari zərərin 5% -i). .

Aydındır ki, bu vəziyyətdə ilkin və son nisbətlər nisbətimiz gəlirlilik üçün yaxşı bir proqnoz deyil. Bu səbəbdən fərdi toplamlarımız çox təsirli deyil. Əlbətdə n var artan səbəb. Birincisi, onsuz da fərdi final əmsallarımızın təsirsiz olduğunu bilirik: 2.00 "həqiqi" nisbətlərinə uyğun gəlmirlər, çünki onları bilərəkdən bu dəyər ətrafında təsadüfi seçdim.

İkincisi, ən böyük başlanğıcla son əmsal nisbəti mənim təsadüfi əmsal generatorum yüksək və yüksək əmsal əmələ gətirəndə meydana gəlir. Bu generatorun istehsal etdiyi ən yüksək nisbət 1.55 (ilk nisbət 2.27 və son nisbət 1.46 idi). Əslində, "həqiqi" nisbət 2.00 olduqda, ilkin 2.27 nisbətindən istifadə edilərək, gözlənilən mənfəət 55% deyil, 2.27 / 2.00 - 1 = 0.135 və ya 13.5% olacaqdır (ilkin fərziyyəmə görə).

Yuxarıda göstərilən beş əlavə qrafikdə 0,03 addımla istifadə etdiyim son əmsalların təsadüfi dəyişkənliyində (standart sapma) tədricən azalma ilə qurulmuş model təkrarlanır. Bu vəziyyətdə ilkin əmsalların dəyişkənliyi eyni olaraq qalır. Son əmsalların dəyişkənliyi "həqiqi" 2.00 əmsalı ətrafında azaldıqca, OCRYCOP dəyərinin 1-ə meyl etdiyini görərsiniz, həddindən artıq vəziyyətdə, bütün son əmsallar 2.00-a bərabər olduqda, bunların hər biri tamamilə təsirli olur. , mükəmməl bir əlaqə var.1: 1.

Pinnacle-ın həqiqi nisbətlərindən istifadə edərək cədvələ yenidən baxaq. Trend xətləri (və onların tənlikləri) mükəmməl korrelyasiya modelimizdəki nümunə ilə olduqca uyğundur. Yenə də dəyərlərdəki bəzi dəyişkənliyi aydın şəkildə görə bilərik: bütün nöqtələr tam olaraq trend xəttlərində deyil. Əlbətdə ki, bu məqamlardan bəzilərinin mövqeləri real dünyada mərc qoyarkən şans və ya uğursuzluqla əlaqədardır (modelim gözlənilən mənfəətdən istifadə etdiyi üçün şans və uğursuzluq sayılmır).

Nə olursa olsun, hər bir final nisbətinin “həqiqi” nisbətlə mükəmməl uyğunlaşacağına inam tamamilə haqsızdır. Eyni zamanda, problem tamamilə təsirli bir son əmsal olmadığı təqdirdə, başlanğıc və son əmsalların nisbəti ilə gözlənilən gəlir (OCRYCOP <1) nisbəti arasında kifayət qədər ideal olmayan bir əlaqə istifadə etmək məcburiyyətində qalırıq. Bu problemi həll etməyin bir yolu varmı? Bu yazını məqalənin ikinci hissəsində verəcəyəm.