感动，有人花时间一起讨论这个方法
我知道这个统计方法会有误差或怪怪的地方
但如果这篇文章无声无息过去我会蛮伤心的
很谢谢Vinson和小风回应
再战战竞竞的回复一下我的看法(今天就不打牌了!)
讨论Vinson的看法:
※ 引述《vinson (........? 惽? 惽)》之铭言：
: 虽然没什么在打牌了
: 但看到你的计算方式，还挺有兴趣，不免有些东西想请教
: 第一，你在变异数的地方抓的是50 50
: 但是我的想法是，如果你把p&q抓成进入ITM&不进入ITM的机率是否更恰当
: 因为在你的计算方式都是基于你进入ITM各名次的比例
: 以你的例子来说ITM 28 & 没进ITM 72 = (p=28 & q=72)
: 至于你的可接受抽样误差5%我认为已ITM来看的话是抓太高
: 因为代表你算出来的样本有95%的机率你ITM的机会介于(23%~33%)
: 我单纯只是觉得在你用来计算多少BUY-IN才安全的同时
: 你只是以你目前打的场数成绩来计算这样的结果
: 举个例子来说如果你想要让你的ITM误差介于正负1趴
: 以你目前的算法就是大概要在乘以25倍才是有95%可靠信赖样本。
: 因为ITM关系到ROI有非常大的关联性，差一些些ROI都会差不少
: 用细一点的算法甚至是用各个名次的变异性来评估才准确
: 但我认为ITM来看抓个0.5%~1%的误差变异性应该是比较好些
: 因为毕竟你后面所有的算法是基于前面所计算的样本数看这样的事物
: 举个例子来说:假设我今天用95%的信赖区间，p&q(28% & 72%)为1%的变异性
: 假设得到的样本为10k，代表假设我以10k为一个样本
: 95%的样本ITM机率会介在27%~29%之间，其余的5%样本不会在27%~29%之间
这个算法应该是正确的,但是如果得1~4名%没有一样的话,就失败了
: 我不是很确定我这样的说法对或是错~毕竟不是学统计的!
: 单纯讨论看看~只是你要以后面的说法来解释变异性标准差的计算
: 是否考量到SAMPLE数量的的差异性来解释会更为细腻一些。
1.异质性p取0.5不合理
在算的时候也在想变异性质要怎么取才合理,是不是0.72与0.28
后来想到因为itm或non itm并不是绝对的变异
实际上1、2、3、4名和第5名以后都是异质性的样本
就是5种样本性质,这样不知道变异质性该计算多少,我就直接算最大异质性0.5
这样算出来的需要样本数也是最大最安全的
2.抽样误差5% 太大
抽样误差5%看起来真的太大了...
每个不同样本性质透过奖金结构会放大了误差
我的本意是不想吓跑新手,算出需要有点多的样本
看来这样算不太妙...
依然很想知道这个统计题,误差该设%多少抽样才合理
重新计算一次: (严格标准版) 计算工具 http://www.surveysystem.com/sscalc.htm
误差设3%
合理需要的样本数=980
误差设2%
合理需要的样本数=2001
误差设1%
合理需要的样本数=5335
Buy-In部分
我没有提到我的名次分布是取自6000多场的样本
(符合1%抽样误差以及99%信赖区间的样本数)这样看来Buy-In的计算没有问题
如果要用此方法自己计算的朋友
需要的样本数就用刚刚算的size比较准
或者用另一方法
不取自己成绩,只考虑奖金结构
比如说打1元9人SNG,奖金50%,30%,20% (不管服务费)
itm%=2/3, itm平均领2/3的奖金
平均获利=0
variance=2/3*(6)^2 + 1/3*(0) = 24
SD= 4.9
1000场, 平均-三标准差 =0-3*√1000*4.9= 465
随机玩家去参加1000场9人SNG我们可以说他应该准备大概50个Buy-in
原来50个买入说法是用1000场当依据~~~
讨论小风的看法:
※ 引述《ray880616 (小风)》之铭言：
: 我是现金桌玩家，对于SNG没有研究
: 不过有些东西或许可以通用在SNG上
: 在现金桌评估多少手数才够参考
: 很重要的一个因素是"波动(变异数)"
: 举例来说:NLHM比PLO来的小，所以PLO自然需要更多手数来参考
: 我想这也套用在SNG上
: 6人SNG所承受的波动应该也会比MTT来的小
: 在你的样本数估算中，并没有提到波动
: 而是直接用估算的场数代替波动
: 统计中也有很多分配和检定方法
: 不同领域和问题用的也大相迳庭
: 我曾无聊翻一下医学统计
: 看到ㄧ些从未学过的检定方法
: 我参加过开市调公司赚不少钱的系友演讲
: 说他在30多年前当学生进行田野调查替农民做ㄧ些分析
: 农民看了分析结果后说:这我早就知道了
: 统计虽能帮助解决不少问题，但经验还是很重要的
: 就你打牌的经验来看，你似乎也有发现到结果存在着ㄧ些问题
: "这个是能打赢的玩家吗"
: "这个是能打赢多少bb/100的玩家"
: 要计算所需的条件就不太一样
6人SNG波动比MTT小
可以计算,方法可以用上面讨论统计法
Variance(变异数)= 1st%*(1st奖金-平均获利)^2+ 2nd%(2st奖金-平均获利)^2+ ....
奖金结构让近一半人拿钱,比起MTT是1st集中奖金的变异数就会比较小
经验能让人拿大脑当电脑,而研究经验可以更新大脑,安装新的公式进去
也能作Debugging
这就是现在大数据谈的
听那个创业家的故事,我比较想当那个创业家比较不想当那农民
因为那个创业家不会耕种,但他的分析可以改良那农民耕种的效率
不然他不会赚钱,而故事里的农民却不想听报告改变自己的作法