※ 引述《ddavid (谎言接线生)》之铭言：
: ※ 引述《staristic (ANSI lover)》之铭言：
: : 有个问题，板上如果有赛局理论的专家的话还请解答一下
: : 1、“明显”有利和不有利的分界在哪？
: : 我记得AlphaGo当初有公布内部的黑白胜率
: : 在3.75子的贴点下白棋起始胜率是55%左右
: : 开发团队的评论是“两方差不多，很公平”
: : 代表有顶尖专家的Deepmind团队都认为至少到55:45这个比例仍是可接受的
: : 印象中人类的对局黑白胜率统计并没有超过这个数字？
: : (一时不知去哪找，有请各位高手补充)
: : 是否有办法用数学的理由说明
: : “现在的贴目对人类而言有没有差别”？
: 我分项来说：
: 1. 数学上的话，我们不妨这样思考：假设双方实力稳定而胜率固定，那么如果让一
假设双方实力稳定反而是有点奇怪的假设, 太稳定的话, 那胜负几乎是固定的.
不如这样假设, Ｘ代表选手Ａ每场比赛某个量的随机变量，Ｙ则代表选手Ｂ。
　当Ｘ＞Ｙ时，那场比赛是Ａ赢，反之则是Ｂ赢。
　（考虑连续型随机变量，Ｘ＝Ｙ的机率是零）
　接下来，我们只需要在Pr(Ｘ＞Ｙ）＝ｒ的情况下来分析（比如ｒ=0.55）
: 方永远拿黑棋，另一方永远拿白棋，到底要下多少盘，期望值才会出现有实质意义的
: 胜负差距？
　期望值是看不到的。现实能看到的，只有表现出来的值。所以，原PO的有没有差别，
　或许比较像实战中能不能看出差别。以七番棋，胜率0.55的选手，他的胜场期望值是
　3.85，这个值可能比较模糊。另一个能算出来的是，这选手在七番棋获胜的机会是
　0.6083。是的，只有略高于六成，另一选手仍有约四成的机会获胜。
　当选手Ａ自认对选手Ｂ有五成五以上的胜率。他在实战中要有怎样的表现，才能说服
　大家相信他的说法？在统计上常用的一个方法是：假设检定。它的精神是把认为不对
　的东西当做假设，然后根据数据去说明出现这样数据的机会很小，而推翻这个假设。
　以我们现在的例子来说，假设选手Ｂ有四成五以上的胜率。然后看看实战的数据，在
　Ｂ选手有四成五胜率的模型下，计算发生的机会若小于百分之五，则我们有百分之九
　十我的把握（大家常听到的可能是：信心水准）去推翻假设而设为Ａ选手有五成五以
　上的胜率。
　接下来我们来看一下，要怎样的实战数据能推翻假设：
　如果比了二十场，Ａ要赢十六场。
　如果比了五十场，Ａ要赢三十四场。
　如果比了一百场，Ａ要赢六十四场。
　如果比了一千场，Ａ要赢五百七十七场。
　大家可以发现，随着场数越多，需要的胜率越来越接近五成五。当场数低时，高胜率
　可能只是胜率，所以需要超高的胜率，才能有把握真有五成五的胜率。比如Ａ在廿场
　赢了十四场，看起来七成胜率很高，但我们也只能说Ａ或许蛮厉害的，但也有可能只
　是运气好，我们没有把握说他有五成五的胜率。
　所以，两选手实力上五成五ｖｓ四成五胜率的差距，要在少数比赛中展现出统计上的
　差距，是相当不容易的。即使放寛一点，假设命题改成选手Ｂ有五成以上的胜率，也
　就是只想推翻两选手间是没差距（这样或许更像原PO想问的，两者间有没有差别）。
　这样的情况下，要推翻假设，则
　如果比了五十场，Ａ要赢三十二场。
　如果比了一百场，Ａ要赢五十九场。
　在实际胜率是五成五下，五十场要赢三十二场的机会是 0.1273，
一百场要赢五十九场则是 0.2475。仍然是不容易去证明。
　题外话，由此分析，那些顶尖职业选手的实力，大概很难有统计上的差别。

推，这篇更进阶一点XD

其他运动类的针对单一选手更难比要有统计意义的至少都要整个生涯比赛的数据了但年龄跨度影响很大

看来只论正式对局是不太可能达成统计上的意义感谢详细解说

推

围棋麻烦就是对局总数累计太少了，又往往必须以局为单位球类运动可能生涯场次也未必多到哪去，但有一球一球这个较小单位，数据就丰富许多。围棋不易一手一手做统计分析XD

大联盟先发打者,不受伤的话,一季有个五百打数,应该是可以比出差距了

用AI当工具的话也不是不行啦，但是会很有争议比方说去计算棋手平均一手棋掉的%数之类的不过这种作法就会涉及采用哪个AI哪个版本用什么硬件再来同AI的次个版本打脸前个版本怎么处理也是个问题