比賽資金管理方法-討論Vinson及小風看法 - 撲克牌

感動，有人花時間一起討論這個方法

我知道這個統計方法會有誤差或怪怪的地方

但如果這篇文章無聲無息過去我會蠻傷心的

很謝謝Vinson和小風回應

再戰戰競競的回覆一下我的看法(今天就不打牌了!)

討論Vinson的看法:

※ 引述《vinson (........? 惽? 惽)》之銘言：
: 雖然沒什麼在打牌了
: 但看到你的計算方式，還挺有興趣，不免有些東西想請教
: 第一，你在變異數的地方抓的是50 50
: 但是我的想法是，如果你把p&q抓成進入ITM&不進入ITM的機率是否更恰當
: 因為在你的計算方式都是基於你進入ITM各名次的比例
: 以你的例子來說ITM 28 & 沒進ITM 72 = (p=28 & q=72)
: 至於你的可接受抽樣誤差5%我認為已ITM來看的話是抓太高
: 因為代表你算出來的樣本有95%的機率你ITM的機會介於(23%~33%)
: 我單純只是覺得在你用來計算多少BUY-IN才安全的同時
: 你只是以你目前打的場數成績來計算這樣的結果
: 舉個例子來說如果你想要讓你的ITM誤差介於正負1趴
: 以你目前的算法就是大概要在乘以25倍才是有95%可靠信賴樣本。
: 因為ITM關係到ROI有非常大的關聯性，差一些些ROI都會差不少
: 用細一點的算法甚至是用各個名次的變異性來評估才準確
: 但我認為ITM來看抓個0.5%~1%的誤差變異性應該是比較好些
: 因為畢竟你後面所有的算法是基於前面所計算的樣本數看這樣的事物
: 舉個例子來說:假設我今天用95%的信賴區間，p&q(28% & 72%)為1%的變異性
: 假設得到的樣本為10k，代表假設我以10k為一個樣本
: 95%的樣本ITM機率會介在27%~29%之間，其餘的5%樣本不會在27%~29%之間

這個算法應該是正確的,但是如果得1~4名%沒有一樣的話,就失敗了

: 我不是很確定我這樣的說法對或是錯~畢竟不是學統計的!
: 單純討論看看~只是你要以後面的說法來解釋變異性標準差的計算
: 是否考量到SAMPLE數量的的差異性來解釋會更為細膩一些。

1.異質性p取0.5不合理

在算的時候也在想變異性質要怎麼取才合理,是不是0.72與0.28

後來想到因為itm或non itm並不是絕對的變異

實際上1、2、3、4名和第5名以後都是異質性的樣本

就是5種樣本性質,這樣不知道變異質性該計算多少,我就直接算最大異質性0.5

這樣算出來的需要樣本數也是最大最安全的


2.抽樣誤差5% 太大

抽樣誤差5%看起來真的太大了...

每個不同樣本性質透過獎金結構會放大了誤差

我的本意是不想嚇跑新手,算出需要有點多的樣本

看來這樣算不太妙...

依然很想知道這個統計題,誤差該設%多少抽樣才合理

重新計算一次: (嚴格標準版) 計算工具 http://www.surveysystem.com/sscalc.htm

誤差設3%
合理需要的樣本數=980

誤差設2%
合理需要的樣本數=2001

誤差設1%
合理需要的樣本數=5335

Buy-In部分

我沒有提到我的名次分布是取自6000多場的樣本

(符合1%抽樣誤差以及99%信賴區間的樣本數)這樣看來Buy-In的計算沒有問題

如果要用此方法自己計算的朋友

需要的樣本數就用剛剛算的size比較準


或者用另一方法

不取自己成績,只考慮獎金結構

比如說打1元9人SNG,獎金50%,30%,20% (不管服務費)

itm%=2/3, itm平均領2/3的獎金

平均獲利=0
variance=2/3*(6)^2 + 1/3*(0) = 24
SD= 4.9

1000場, 平均-三標準差 =0-3*√1000*4.9= 465
隨機玩家去參加1000場9人SNG我們可以說他應該準備大概50個Buy-in

原來50個買入說法是用1000場當依據~~~


討論小風的看法:

※ 引述《ray880616 (小風)》之銘言：
: 我是現金桌玩家，對於SNG沒有研究
: 不過有些東西或許可以通用在SNG上
: 在現金桌評估多少手數才夠參考
: 很重要的一個因素是"波動(變異數)"
: 舉例來說:NLHM比PLO來的小，所以PLO自然需要更多手數來參考
: 我想這也套用在SNG上
: 6人SNG所承受的波動應該也會比MTT來的小
: 在你的樣本數估算中，並沒有提到波動
: 而是直接用估算的場數代替波動
: 統計中也有很多分配和檢定方法
: 不同領域和問題用的也大相逕庭
: 我曾無聊翻一下醫學統計
: 看到ㄧ些從未學過的檢定方法
: 我參加過開市調公司賺不少錢的系友演講
: 說他在30多年前當學生進行田野調查替農民做ㄧ些分析
: 農民看了分析結果後說:這我早就知道了
: 統計雖能幫助解決不少問題，但經驗還是很重要的
: 就你打牌的經驗來看，你似乎也有發現到結果存在著ㄧ些問題
: "這個是能打贏的玩家嗎"
: "這個是能打贏多少bb/100的玩家"
: 要計算所需的條件就不太一樣

6人SNG波動比MTT小

可以計算,方法可以用上面討論統計法

Variance(變異數)= 1st%*(1st獎金-平均獲利)^2+ 2nd%(2st獎金-平均獲利)^2+ ....

獎金結構讓近一半人拿錢,比起MTT是1st集中獎金的變異數就會比較小

經驗能讓人拿大腦當電腦,而研究經驗可以更新大腦,安裝新的公式進去

也能作Debugging

這就是現在大數據談的

聽那個創業家的故事,我比較想當那個創業家比較不想當那農民

因為那個創業家不會耕種,但他的分析可以改良那農民耕種的效率

不然他不會賺錢,而故事裡的農民卻不想聽報告改變自己的作法

--