Si c est pas rigged c est quoi?

Jadupsky wrote:

La phrase 1 ne te visait pas particulièrement, c’était un sentiment global.
La phrase faudrait que je relise le contexte, pas le temps pour le moment … Si je te visais et si ça t’as vexé, je te présente mes excuses.
La phrase 3: la façon dont tu abordais OMG me faisait sourire connaissant le background mathématique de celui-ci
La phrase 4: c’est effectivement le grand problème que j’ai eu (et je n’étais pas le seul), mais après avoir posé mes “petites” questions j’ai commencé à comprendre ton approche.

Sinon des petites phrases personnelles, je pourrais aussi t’en citer …

Est-ce que tu fais fausse route? Je n’en sais rien. Ton approche me semble très intéressante. Maintenant est-ce que ça va nous permettre de pouvoir prouver qu’une room est rigged ou non, j’ai mes doutes. Pourquoi j’ai des doutes? S’il suffirait d’appliquer simplement la loi binomiale ça aurait été fait sur twoplustwo ou d’autres forums spécialisés depuis bien longtemps. D’après mes informations ça n’a jamais été fait, donc j’ai mes doutes …[/quote]

Mentionne au moins les conneries que j’ai pu dire et explique/démontre nous pourquoi c’est faux. Au mois ca fera avancer le shmilblic

** James ne trouve plus de cadenas tellement ça fait longtemps qu’il a pas lock un thread, oh les cadenas de papy ! ils feront l’affaire si ça part en gros troll **

on se recentre les amis :wink:

perso j’ai jamais compris en quoi la loi binomiale pouvait aider dans ce contexte…

Autrement pour l’écart type empirique, il est défini par sigma_n = 1/n * \sum_{i=1}^n (X_i-Xbarre_n)^2 où Xbarre_n désigne la moyenne empirique au bout de n observations (vois pas ce que la loi binomiale vient faire la dedans).
Et autrement OMG en mode occupé n’a toujours pas posté ses diagrammes même sis dorénavant il sait faire (mais c’est OMG en mode TRES occupé croyez moi les enfants, j’ai vaguement le temps de faire ma partie de SC2 le soir histoire d’aller pouiller Eloi la prochaine fois que je le croise sur ma route).
Ceci dit je persiste à trouver le post intéressant, causer de maths ça fait jamais de mal surtout au poker.
Finalement d’un pt de vue plus général, une room qui truque ses tirages aléatoires a à peu près autant de chances de passer inaperçue qu’un mammouth sur les champs élysées à 17h un 23 décembre. Mais btw ce n’est pas une preuve j’en conviens allègrement.

OMGWtfTY wrote:

[quote]perso j’ai jamais compris en quoi la loi binomiale pouvait aider dans ce contexte…

Autrement pour l’écart type empirique, il est défini par sigma_n = 1/n * \sum_{i=1}^n (X_i-Xbarre_n)^2 où Xbarre_n désigne la moyenne empirique au bout de n observations (vois pas ce que la loi binomiale vient faire la dedans). [/quote]

:ohmy:

On va prendre tous les évenements ayant un probabilité de succès de + de 70% ok ? Et on note chaque résultat de ces évenements afin de vérifier que cela tends vers 70% de succès ok ?

Comment tu notes ces résultats ?

+1
… mais je n’ai pas le background pour argumenter

Jadupsky wrote:

+1
… mais je n’ai pas le background pour argumenter[/quote]

tu peux au moins répondre à mes questions non ?

A partir de quel moment peut-on utiliser la loi binomiale? Respectivement, est-ce qu’il suffit de transformer un problème de façon à pouvoir répondre par un “oui / non” ou un “vrai / faux” pour pouvoir l’appliquer et en tirer des conclusions?
Question sans doute idiote, mais je me permets de la poser :slight_smile:

Jadupsky wrote:

[quote]A partir de quel moment peut-on utiliser la loi binomiale? Respectivement, est-ce qu’il suffit de transformer un problème de façon à pouvoir répondre par un “oui / non” ou un “vrai / faux” pour pouvoir l’appliquer et en tirer des conclusions?
Question sans doute idiote, mais je me permets de la poser :)[/quote]

:ohmy: :ohmy:

“k succès parmi n de probabilité p” ca te dit toujours rien ?

Et pour info, on ne TRANSFORME pas le problème. On fait juste ce qu’on appelle un TEST DE CONFORMITE D’UNE PROPORTION envers une autre proportion connue (la norme).

Iriebete,
ma question visait la phrase de OMG
“perso j’ai jamais compris en quoi la loi binomiale pouvait aider dans ce contexte…”

Comme chaque mot semble peser lourd, je reformule ma question “Pourquoi OMG est-il d’avis que la loi binomiale n’aide pas dans ce contexte?”

ben vas y iriebete explique la loi binomiale, ça m’intéresse pas mal… Comment la définis tu? Quel est son comportement asymptotique (autrement dit à quelle loi ressemble elle très fortement lorsque n devient grand à k fixé?)
je n’ai jamais vu de stateux s’en servir perso (mais je ne suis pas non plus un pro des stats), ils se servent exclusivement des intervalles de confiance, les tests d’adéquation à une loi je ne sais pas très bien ce que c’est (je connais surtout les tests paramétriques), comment en construis tu rigoureusement?
De toute façon, comme disais je ne sais plus qui, toute cette discussion est stérile, le seul truc qui ferait avancer le schmilblick de manière significative, ce serait que je me décide enfin à poster mes graphes histoire qu’on comprenne enfin des notions de stats somme toute asses simples.

Donnes tout OMG !! nous attendons :stuck_out_tongue: :wink: :laugh:

+1 On attend :wink:

Hello tout le monde, et iriebete en particulier,

je n’avais pas regardé le thread avant, mais je peux t’aider sur ce sujet (j’ai bac+5 en maths et je fais actuellement une thèse sur l’apprentissage statistique). Dans ce post, je vais décrire le test mathématique pour savoir si une pièce est pipée (et comment on transpose ce cas au cas général). Après je donnerai quelques formules que tu pourras appliquer avec n’importe quel probabilité de gain

On suppose que tu joues plein de fois le meme jeu de Bernoulli, c’est-à-dire une probabilité p de gagner et 1-p de perdre. On va se mettre dans le cas où tu as 50% de chance théorique de gagner (la pièce). La bonne façon d’évaluer si le tirage théorique correspond au tirage en pratique est de jouer le jeu N fois, avec N très grand.

ta probabilité “empirique” P_emp (celle qui se réalise dans la pratique) vaut N_win / N_tot (le nombre de fois où tu as gagné divisé par le nombre de fois où tu as joué). On appelle P* la probabilité théorique. Typiquement, j’ai joué 100 fois à pile ou face avec une pièce. J’ai obtenu 55 fois pile. Ma probabilité empirique est 55%, ma probabilité théorique est 50%. Est-ce que cette pièce est pipée ?

A priori, avec un nombre N faible, la différence entre P_emp et P* sera souvent grande. Mais plus tu joues, plus la différence entre ces P_emp et P* doit diminuer. Si la différence entre P_emp et P* est supérieur à un seuil (qui dépend de N), on peut conclure que, dans 95% du temps, la pièce qu’on teste est pipée (95%, ou n’importe quel %, il faut juste ajuster son seuil).

Pour évaluer les seuils, avec une loi binomiale, tu pourrais calculer, avec un jeu de probabilité P* la chance que ta probabilité empirique P_emp soit dans un intervalle [X,Y]. Tu pourrais aussi calculer un seuil en fonction de N tel que, si P_emp n’est pas dans l’intervalle [P*-a ; P*+a], alors notre pièce est très probablement pipée (à 95%, 99%, ce que tu veux, il suffit d’ajuster le terme a). Par exemple, avec N = 100, a = 8.25%, et il est normal d’avoir une probabilité empirique de 55% (comprise entre 41.75 % et 58.25%).

Mais la loi binomiale n’est pas la meilleure façon d’estimer l’hypothèse “ma probabilité empirique est P*”. En fait, on peut utiliser la loi binomiale ici seulement parce qu’on a reduit le problème au cas très simple du jeu de Bernoulli. Ce raisonnement ne marche que si tu compares un cas précis (comme la confrontation préflop
##Kh ##Kd vs ##Qs ##Qc
tu regardes dans ton tracker combien de fois cette confrontation est arrivée, ta probabilité empirique. Si tu as joué 100 fois cette confrontation, ta proba empirique de gain a 95% de chance de se situer dans l’intervalle [74,5% 87,5%]). Le poker est un jeu où le résultat d’une main peut varier entre -100 et 100 BB (voire plus qd tu deviens deepstack), et pour calculer un nombre significatif de mains pour ton winrate, il te faut un autre outil pour evaluer les seuils.

En pratique, avec le théorème centrale limite, on peut calculer le même intervalle J = [P*-a; P*+a] tel que P_emp a 95% de chance de se retrouver dans l’intervalle J avec l’esperance, la variance et le nombre N de répétition du jeu, quelquesoit la forme du jeu.
Je peux t’expliquer cette partie, mais je veux d’abord savoir si tu as un bon background mathématiques. En tous cas, tu peux utiliser la formule
P_emp a 95% de chance de se retrouver dans l’intervalle [P* - 1.65 s / sqrt(N) ; P* + 1.65 s / sqrt(N) ]
avec s l’écart-type du jeu et sqrt est la fonction racine carré.

De manière générale, les rooms font déjà tellement de cash honnetement avec le rake qu’elles n’ont pas du tout intérêt à truquer leur distribution de carte. Le risque de mauvaise réputation, voire de faire fermer la poule aux oeufs d’or est trop grand par rapport à l’intérêt.

Maintenant, j’ai cru comprendre que tu ne savais pas calculer un écart-type. Alors, comprendre les test statistiques sera une tache tres tres longue (tu dois comprendre bcp de mathématiques préliminaires).

Néanmoins, tu peux faire confiance aux membres de PA. On a aucun intérêt à te mentir.

Si tu te demandes quel est l’intervalle de confiance d’un jeu (par exemple, à chaque fois que j’ai KK, un A tombe au flop), et que tu n’arrives pas a calculer les termes de la formule (la proba théorique qu’un A tombe au flop, l’écart-type de ce jeu), tu peux poser la question sur ce forum, et quelqu’un répondra. Si tu nous fournis en plus des stats : nombre de flop que tu as vu avec KK, nombre de flop avec A, nombre de flop sans A, on pourra te dire
a) si ces nombres sont significatifs
b) si ton résultat contre-dit “les rooms sont honnetes”

nice post.

iriebete wrote:

Là, tu confonds 2 concepts :

  • intervalle (un “partie” de l’ensemble d’arrivée du résultat de ton jeu)
  • écart-type : outil statistique utilisé pour qualifier une distribution aléatoire. Cet outil s’applique aussi aux distributions discretes

Le cas typique de l’utilisation de l’écart-type est la distribution des notes d’une classe. Il y a 2 classes, chacune a 21 élèves. Il y a un controle. Dans la 1ere classe, 19 élèves ont 10, 1 a 0, 1 a 20. Dans la 2nde classe, 10 élèves ont 0, 10 élèves ont 20, 1 élève a 10.

Selon les outils de base d’étude (moyenne, médiane,min,max), ces 2 classes sont completement similaires, alors que la distribution des notes est en fait très différentes. Pour évaluer la variation des notes, on créée la variance, qui est l’écart a la moyenne de chaque éléve

var = \sum_i (x_i - X)^2 / N

x_i est la note de l’élève i, X est la moyenne des notes, N le nombre d’élèves. l’écart-type est la racine carré de la variance, et permet d’évaluer à quel point les notes fluctuent.

OMGWtfTY wrote:

thanks dude

Vince79 wrote:

[quote]reministre wrote:

Ou un rêve dans un rêve ???

“And it will be like a taco inside taco within a taco bell that’s inside a KFC within a mall that’s inside your dream!.. ABUMBUMBUMPACHICHAPAKAKAAAAAH”[/quote]

<3 cet épisode.

Tu peux développer ça ?

  • D’où tu sors cette formule (quel théorème) ?
  • D’où viens le 1.65 ?

Vince79 wrote:

Tu peux développer ça ?

  • D’où tu sors cette formule (quel théorème) ?
  • D’où viens le 1.65 ?[/quote]

En bref,

Le théorème centrale limite te donne
“P_emp - P* suit une loi normale, centrée en 0, d’écart type s/sqrt(N)”

Puis une table numérique de fonction de répartition de la loi normale te donne ces constantes

Ok d’ac, maintenant que tu le dis, mes cours de l’année dernière commence à revenir :wink: (mais mon courage non…)