Rentang Kemungkinan Pengembalian Taruhan Anda

Rentang Kemungkinan Pengembalian Taruhan Anda
Read Time9 Minute, 38 Second

Rentang Kemungkinan Pengembalian Taruhan Anda – Agen Bola Online | Judi Bola Mix Parlay – Petaruh sering dikonsumsi oleh apa yang mereka bertaruh pada berapa banyak mereka bertaruh dan berapa banyak mereka akan menang (kadang-kadang diprioritaskan dalam urutan yang berbeda). Seberapa banyak Anda mungkin menang dari satu taruhan adalah penting, tetapi petaruh perlu memikirkan pengembalian sehubungan dengan sampel taruhan yang lebih besar. Bagaimana Anda bisa memodelkan kisaran kemungkinan pengembalian taruhan Anda? Baca terus untuk mengetahui.

Dalam sebuah diskusi twitter baru-baru ini, Kami meninjau kembali dari informasi rahasia twitter balap yang terkenal. Dari 1.015 tidur siang setiap hari (kiat dengan nilai terbaik untuk hari itu), laba mereka dari omset ke tingkat saham adalah -4,3%.

Rentang Kemungkinan Pengembalian Taruhan Anda
Rentang Kemungkinan Pengembalian Taruhan Anda

“Itu sampel yang layak untuk menguji profitabilitas keseluruhan mereka,”

Kami berkomentar, tanpa terlalu memikirkannya. Lagi pula, seribu tip, apakah ukurannya lumayan, bukan? Yang pasti, hanya bulan lalu Kami membahas lagi bagaimana keacakan dapat memengaruhi hasil dibandingkan sampel sebesar ini.

Namun demikian, bukankah kita di tanah yang cukup kuat percaya ini memberitahu kita keterangan rahasia yang dimaksud mungkin tidak memberi kita “tips balap kuda kualitas terbaik di internet” seperti yang diklaim?

Salah satu pengikut twitter Kami mengambil masalah; “Bukannya aku tidak setuju dengan maksudmu … Tapi apakah 1.000 taruhan cukup untuk menyimpulkan sesuatu?”

Setelah refleksi sejenak, Kami memutuskan mereka mungkin tidak. Kami mengeluarkan respons.

“Sebenarnya, kamu ada benarnya. Peluang rata-rata tidur siang yang menang adalah 2,62. Misalkan dua pertiga lainnya yang kalah (yang peluangnya tidak ditampilkan) memiliki peluang yang sedikit lebih lama (itu sebabnya mereka kalah), sehingga secara keseluruhan sekitar 3,00.

Standar deviasi yang diharapkan dalam hasil untuk sampel 1.015 taruhan akan menjadi sekitar 0,045 (4,5%). Misalkan harapan jangka panjang mereka adalah -4,5%. Mereka kemudian akan dekat dengan itu. Alih-alih mengira harapan mereka impas. Mereka akan berada sekitar satu standar deviasi darinya – tidak beruntung, tetapi berada dalam wilayah variasi alam.

Sekarang, anggaplah mereka seharusnya melakukan + 4,5%. Itu sekitar dua standar deviasi dari tempat mereka berada, atau sekitar 2,5% probabilitas. Mereka masih bisa mengklaim bahwa harapan jangka panjang mereka adalah 4,5% tetapi mereka tidak beruntung. Namun, untuk pengembalian yang lebih tinggi yang diharapkan, semakin sulit untuk menyatakan bahwa apa yang telah mereka lakukan dalam 1.015 taruhan hanyalah nasib buruk. ”

Bagaimana Kami menghasilkan angka 4,5% untuk standar deviasi yang diharapkan dalam hasil? Tujuan artikel ini adalah untuk menjelaskan hal itu, serta bagaimana artikel itu dapat membantu kami menilai kinerja taruhan kami yang sebenarnya terhadap semua harapan yang mungkin Kami miliki.

Matematika distribusi pengembalian taruhan

Taruhan adalah proposisi biner: mereka menang atau kalah. Pada bulan November 2018 Kami meninjau bagaimana distribusi binomial dapat digunakan untuk memberi tahu kami tentang kemungkinan distribusi untung dan rugi untuk sampel taruhan yang tunduk pada keanehan acak. Untuk sampel n taruhan di mana masing-masing memiliki probabilitas menang ‘benar’, deviasi standar, atau penyebaran, dari persentase kemungkinan menang sampel diberikan oleh rumus berikut:

Sebagai contoh, jika kita memiliki 100 taruhan dan masing-masing memiliki probabilitas menang 50%, kita harus berharap untuk memenangkan 50% dan standar deviasi adalah 5%. Dengan kata lain, sekitar dua pertiga dari semua hasil yang mungkin akan jatuh antara 45% dan 55%, dengan sekitar 95% dari mereka jatuh antara 40% dan 60%.

Sudahlah menang dan kalah, bagaimana dengan laba aktual? Kami hanya perlu sedikit penyesuaian pada rumus di atas, dengan memasukkan peluang taruhan. Sekarang, di mana setiap taruhan memiliki peluang o, standar deviasi dalam kemungkinan hasil (atau laba dari omset) diberikan oleh:

Misalkan dalam contoh ini probabilitas menang ‘benar’ kami adalah 60% untuk peluang genap yang ditawarkan oleh bandar taruhan, memang koin yang sangat murah hati. Deviasi standar dalam kemungkinan hasil dari 100 taruhan adalah 9,798% atau sekitar hasil yang diharapkan sebesar 20%.

Untuk peluang yang adil, o = 1 / p, rumus di atas dikurangi menjadi:

Meskipun kasus khusus ini hanya benar-benar berlaku di mana petaruh telah mencapai ekspektasi genap (hasil = 0%), perbedaan antara o dan 1 / p biasanya kecil, apakah untuk petaruh tidak terampil yang menderita margin taruhan, atau petaruh terampil yang telah berhasil mengatasi itu, jadi orang mungkin menggunakannya untuk kesederhanaan. Ini diilustrasikan pada gambar di bawah ini.

Untuk contoh ini, menggunakan formula pintas ini akan selalu memberi kita standar deviasi 10%, tidak peduli berapa nilai p. Tapi itu cukup dekat dengan standar deviasi aktual untuk probabilitas menang antara 40% dan 60%. Tidak ada petaruh, setidaknya dengan i88Cash, harus menghadapi memenangkan persentase serendah 40% untuk proposisi bahkan uang.

Sebagian besar margin i88Cash adalah dari urutan 1 hingga 3%; odds 2,00 dengan margin 2% menyiratkan kemungkinan menang sekitar 49%. (Penyimpangan standar hasil 100 taruhan aktual adalah 9,998%.) Demikian pula, para handicappers terbaik dunia menunjukkan persentase kemenangan antara 55% hingga 56%. (Penyimpangan standar hasil 100 taruhan akan menjadi 9,928%.)

Apa yang bisa disampaikan oleh deviasi standar hasil?

Mari kita kembali ke contoh yang Kami perkenalkan di awal untuk mengungkapkan informasi apa yang dapat diberikan oleh deviasi standar hasil. Dengan asumsi harga taruhan rata-rata (o) sebesar 3,00 untuk taruhan level level 1.015 bertaruh (n) dan probabilitas menang ‘benar’ sebesar 32% (p) tersirat oleh ekspektasi -4,3%, persamaan kami di atas memberi kami deviasi standar hasil 4,39% (atau 4,44% menggunakan rumus jalan pintas).

Distribusi kemungkinan hasil taruhan di sekitar harapan akan terlihat seperti yang digambarkan di bawah ini. Anda bisa menggambar ini sendiri dengan mudah di Excel hanya menggunakan fungsi NORMDIST. Meskipun secara teori distribusi ini bersifat binomial dan karena itu terpisah, pada sampel di atas sekitar 30, distribusi normal (kontinu) adalah perkiraan yang sangat andal dan cenderung lebih mudah untuk menggambar grafik ini di Excel.

Area di bawah kurva biru akan bertambah hingga 100%. Dalam skenario ini kami mengasumsikan bahwa hasil aktual sesuai harapan. Namun, karena kemungkinannya cukup panjang, ada kemungkinan penyebaran hasil yang cukup luas, memastikan bahwa bahkan hasil yang paling mungkin, -4,3%, akan terjadi kurang dari 10% dari waktu.

Apakah pengikut Twitter itu berhak mempertanyakan pengamatan awal Kami? Bisa dibilang, Kami pikir dia. Meskipun jelas bukan perwakilan rekor dari saran balap kuda kualitas terbaik, sama sekali tidak jelas bahwa layanan penasihat memiliki nilai negatif yang diharapkan. 13,65% dari kemungkinan hasil dalam skenario ini menguntungkan, baik dalam batas penerimaan statistik. Mungkin informan memegang ekspektasi yang lebih baik daripada -4,3% dan mereka baru saja sial.

Misalkan saja, seperti yang Kami utarakan dalam pendahuluan, harapan informan itu adalah impas. Sekarang distribusinya akan terlihat seperti ini: 16,13% hasil dalam skenario ini kurang dari kinerja aktual, terlalu tinggi untuk mengesampingkan kemungkinan bahwa itu tidak beruntung.

Bagaimana jika ekspektasinya adalah + 4.3%? Sekarang kami memiliki distribusi berikut. Masih ada 2,76% dari hasil yang berperforma lebih buruk dari catatan sebenarnya. Itu kecil tapi bisakah kita benar-benar memutuskan untuk menyingkirkan nasib buruk sepenuhnya? Itu lebih dari 1 dalam 40 tipsters, dan misalnya 4.000 tipsters akan terjadi.

Akhirnya, anggaplah keterangan rahasia ini menyatakan bahwa mereka benar-benar menawarkan saran balap terbaik di internet dan bahwa lebih umum mereka akan menunjukkan keuntungan 10% dari omset. Kemungkinan hasil panen mereka akan didistribusikan sebagai berikut.

Hampir 2% dari mereka tidak menguntungkan, tetapi kurang dari 1-in-1.000 lebih buruk daripada yang diamati 4,3%. Bisa dibilang sekarang saatnya untuk memanggil keterangan rahasia ini untuk kasus bias kepercayaan berlebihan.

Jika kita mengetahui peluang rata-rata kita, hasil kita dan jumlah taruhan kita, kita dapat menghitung standar deviasi yang diharapkan dalam kemungkinan hasil dan plot hampir semua distribusi yang kita inginkan. Seperti yang telah Kami lakukan di sini, adalah mungkin untuk membandingkan apa yang sebenarnya kami capai dengan berbagai pendapat tentang apa yang kami pikir dapat kami capai.

Di mana hanya ada sedikit peluang bahwa hasil aktual kami dapat terjadi, mengingat pendapat kami tentang apa yang menurut kami harus terjadi (katakanlah kurang dari 1% atau bahkan 0,1%), kami harus mempertimbangkan untuk mengevaluasi harapan kami.

Mengubah peluang taruhan

Bagaimana distribusi dalam kemungkinan hasil taruhan bervariasi untuk peluang taruhan yang berbeda? Lihatlah di bawah; ini untuk skenario di mana harapannya adalah impas.

Tidak mengherankan, semakin lama peluang semakin besar varians atau penyebaran dalam hasil. Tentu saja, untuk skenario titik impas yang diharapkan, varian (atau kuadrat dari deviasi standar) berbanding lurus dengan odds minus 1.

Bertaruh pada peluang yang lebih lama akan berarti Anda memiliki peluang lebih besar untuk melakukan jauh lebih baik daripada yang diharapkan hanya karena keberuntungan (ekor distribusi lebih gemuk dengan hasil lebih tinggi). Tentu saja, kebalikannya, Kamingnya juga benar karena distribusinya simetris.

Mengubah panjang riwayat taruhan

Kami juga dapat melihat bagaimana ukuran riwayat taruhan mempengaruhi distribusi kami. Formula di atas memberi tahu kami bahwa standar deviasi hasil berbanding terbalik dengan akar kuadrat dari jumlah taruhan. Karenanya, ekspektasi titik impas dari 100 taruhan genap (10%) akan memiliki 10 kali spread untuk catatan setara 10.000 taruhan (1%). Beberapa yang lain diilustrasikan di bawah ini.

Penyempitan distribusi dengan meningkatnya panjang sejarah taruhan, dan peningkatan tinggi mereka, pada dasarnya adalah interpretasi visual dari hukum sejumlah besar. Semakin besar sampel kami, semakin besar kemungkinan bahwa apa yang kami capai adalah ukuran dari nilai sebenarnya yang kami harapkan.

Berapa lama karier taruhan yang tidak terampil bertahan?

Sebagai percobaan pemikiran terakhir, pertimbangkan berapa lama mungkin dibutuhkan pengrajin i88Cash tidak terampil dengan harapan -2,5% untuk menyadari bahwa mereka tidak terampil. Mengetahui deviasi standar hasil yang diharapkan seseorang dapat menawarkan beberapa petunjuk.

Dengan taruhan kecil, sedikit keberuntungan dapat membawa Anda jauh, terutama untuk peluang yang lebih lama. Tentu saja, jika Anda tidak beruntung, peluang yang lebih lama akan menjadi rute yang jauh lebih cepat menuju kebangkrutan.

Ini tabel yang serupa, tetapi kali ini untuk kemungkinan menunjukkan kerugian 10%. Ini hanyalah konsekuensi dari varian yang lebih besar (dan distribusi yang lebih luas dari kemungkinan hasil).

Rentang Kemungkinan Pengembalian Taruhan Anda
Rentang Kemungkinan Pengembalian Taruhan Anda

Seberapa kuat rumus dengan riwayat taruhan dunia nyata?

Terakhir, Anda mungkin bertanya-tanya seberapa kuat rumus Kami untuk memperkirakan deviasi standar hasil ketika bertaruh berbagai peluang. Sejauh ini, Kami sederhana mengasumsikan semua taruhan memiliki peluang yang sama. Tentu saja, sebagian besar petaruh bertaruh semua jenis harga. Bisakah kita mengambil nilai rata-rata untuk peluang taruhan dan mendapatkan angka yang dapat diandalkan untuk standar deviasi hasil?

Kembali ke catatan keterangan rahasia di awal artikel ini, Kami secara artifisial mengisi peluang yang hilang (untuk tip yang hilang yang tidak pernah dipublikasikan) untuk membuat peluang rata-rata 3,00. Persebaran peluang Kami yang sebenarnya cukup besar, dari harga terpendek 8/11 (1,73) hingga 14/1 (15,0).

Menggunakan generator angka acak Excel untuk mensimulasikan hasil di mana harapan untuk setiap taruhan adalah -4,3%, Kami menjalankan simulasi Monte Carlo 100.000 iterasi, memberi Kami 100.000 hasil berbeda untuk sampel 1.015 taruhan. Hasil rata-rata adalah -4,297% dan standar deviasi dalam hasil tersebut adalah 4,373%. Dalam margin kesalahan yang dapat diterima, itu secara efektif sama dengan nilai yang diprediksi oleh rumus Kami, 4,389%.

Beberapa dari Anda mungkin telah memperhatikan kesamaan antara metodologi ini dan metode uji-t Kami untuk memperkirakan kemungkinan bahwa catatan taruhan dapat muncul secara kebetulan. Pada dasarnya kedua metode ini sangat mirip dalam pendekatan. Memang, bahkan pada ukuran sampel yang sederhana (n> 30), distribusi binomial, normal dan t pada dasarnya adalah hal yang sama.

Mudah-mudahan, artikel ini menawarkan visualisasi yang lebih baik dari berbagai rentang harapan yang dimiliki petaruh tergantung pada preferensi dan penampilan mereka.

Semoga artikel Rentang Kemungkinan Pengembalian Taruhan Anda ini bisa membantu Anda. Jangan lupa kunjungi situs Agen Bola Terpercaya di Indonesia http://daftari88cash.com/ yang merupakan salah satu situs taruhan bola terlengkap dan judi sepak bola online terbaik saat ini. Semoga bermanfaat & beruntung!!

1 0

About Post Author

Agen Bola Online Mix Parlay

i88Cash Situs Agen Judi Bola Online dan Agen Bola Mix Parlay Terpercaya di Indonesia. WA : +85517338209 Depo & WD 25rb.
Happy
Happy
0 %
Sad
Sad
0 %
Excited
Excited
100 %
Sleppy
Sleppy
0 %
Angry
Angry
0 %
Surprise
Surprise
0 %
%d blogger menyukai ini: