如果软件真的是随机,很难做到对双方的平衡的。只要是随机,很有可能一方连续来5次坏牌,那还怎么玩
嗯,这话也不能说绝了,我记得另外有家作弊的(非UB/AP)就是在主要股东之一(好象也算个小有名气的牌手)授意下进行的。
象UB/AP那种特别让某些帐号受益的作弊算低级的,也相对好抓,但没有明显直接受益帐号的作弊就不一样了。
我的看法是,有没有软件发牌非随机这事我不知道,但就算有,普通玩家靠观察个三五十手或三五十万手是不可能总结出可供调整自己打牌策略的规律的,所以还是甭操那心了。
谢谢斑竹,我还真不知道有这种事。如果这样,这个股东也真是太短视了,用捡了芝麻丢了西瓜形容都不够。
软件发牌是非随机的。这个肯定的。至于发牌是不是有规律,我的回答是有规律。但是这规律是一段时间存在的。过一段时间又不灵了。又有其他规律产生。所以,楼上说的,去发现规律的确是作无用功。原因如下:
1.扑克室的盈利靠抽水,所以,软件必须搞平衡。否则,都是技术水平高的赢利,那些fish都赢不了,那到最后就没fish了,为什么会有bad beat ,就是为了打击高手。让低手也能赢利。
2.为什么说软件发牌有规律,也是为了平衡。扑克室的软件部门,根据一段时间发牌数量的统计,比如一个星期内的时间段统计发现,对子的all in PK AX 成功率明显偏高,如果持续这样下去,那玩家就会发现这一规律并利用之,所以,要搞平衡,调整成牌率,把这个成功率降低甚至反其道而行之。那么过一段时间,原来用对子all in 的玩家他的利润就会回归。而得益的当然永远是扑克室。当然,我举的例子简单一些,我想软件部门应该是综合评估,然后调整成牌率的。这个应该是扑克室最核心的机密了。这个问题,其实就是有人提出的“酒吧问题”,而扑克室就是利用这个原理去人为的调整。
酒吧问题(Bar problem)是美国人阿瑟(W.B.Arthur)1994年在《美国经济评论》发表的《归纳论证的有界理性》一文中提出来的。该问题是说:有一群人,假如总共有100人,每个周末均要决定是去酒吧活动还是待在家里。酒吧的容量是有限的,比如说空间是有限的或者说座位是有限的,如果去的人多了,去酒吧的人会感到不舒服,此时,他们留在家中比去酒吧更舒服。我们假定酒吧的容量是60人,如果某人预测去酒吧的人数超过60人,他的决定是不去,反之则去。这100人如何作出去还是不去的决定呢?
这是一个典型的动态群体博弈问题。问题对于前提条件还做了如下限制:每一个参与者面临的信息只是以前去酒吧的人数,因此他们只能根据以前的历史数据归纳出此次行动的策略,没有其它的信息可以参考,他们之间更没有信息交流。
这个博弈的每个参与者都面临着这样一个困惑:如果许多人预测去的人数超过60,而决定不去,那么酒吧的人数会很少,这时候作出的这些预测就错了。反过来,如果有很大一部分人预测去的人数少于60,他们因而去了酒吧,则去的人会很多,超过了60,此时他们的预测也错了。因而一个作出正确预测的人应该是,他能知道其他人如何作出预测。但是在这个问题中每个人预测时面临的信息来源都是一样的,即过去的历史,同时每个人无法知道别人如何作出预测,因此所谓正确的预测几乎没有。
理论上说的确如上述所言,但是实际的情形又怎么样呢?阿瑟教授通过真实人群以及计算机模拟两种实验方法得到了两个不同的、有趣的结果。
1、在真实人群的实验中,实验的数据片断如下:
周别 i i+1 i+2 i+3 i+4 i+5 i+6 i+7 ...
————————————————————————
人数 44 76 23 77 45 66 78 22 ...
从上述数据看,实验对象的预测呈有规律的波浪状形态。虽然不同的博弈者采取了不同的策略,但是其中一个共同点是:这些预测都是用归纳法进行的。我们完全可以把实验⑴的结果看做是现实中大多数“理性”人作出的选择。在这个实验中,更多的博弈者是根据上一次其他人作出的选择而做出“其本人这一次”的预测。然而,这个预测已经被实验证明在多数情况下是不正确的。在这个层面上说明,这种预测是一个非线性的过程。所谓这样一个非线性的过程是说,系统的未来情形对初始值有着强烈的敏感性,这就是人们常说的的“蝴蝶效应”:在北京的一只蝴蝶动了一下翅膀,华盛顿就下了一场大暴雨。
2、通过计算机的模拟实验,得出了另一个结果:
起初,去酒吧的人数没有一个固定的规律,然而,经过一段时间后,这个系统去与不去的人数之比接近于60:40,尽管每个人不会固定地属于去或不去的人群,但这个系统的的这个比例是不变的。如果把计算机模拟实验当做是更为全面的、客观的的情形来看,计算机实验的结果说明的是更为一般的规律。
生活中有很多例子与这个模型是相通的。“股票买卖”、“交通拥挤”以及“足球博彩”等等问题都是这个模型的延伸。在现行的说法中,对这一类博弈统称为“少数人博弈”,其最简单的模型是:失火时面对两个门,你将如何选择人数可能较少的生门?这个模型中你的选择——决定了你的生与死。
楼上你说的我明白,你指的是软件或者现实发牌中的伪随机现像。这个很好理解,胜率跟理论胜率都是会有偏差的。
但是,我所说的是扑克室软件部门主动的,有意识的,甚至是恶意的,来故意一段段时间调整成牌率。
1000次实验的standard deviation=sqrt(1000*0.82*0.18)=12.14, 808次恰好一个standard deviation。也就是说,在33%左右的情况下,AA的赢的次数会不高于808次,根据假设检验的5%原理,这个808次不足以证明软件发牌不随机。若要证明不随机,AA赢得次数要低于796(偏离2个standard deviation)才可以。
[quote="Howard":2mnagfqi]
1000次实验的standard deviation=sqrt(1000*0.82*0.18)=12.14, 808次恰好一个standard deviation。也就是说,在33%左右的情况下,AA的赢的次数会不高于808次,根据假设检验的5%原理,这个808次不足以证明软件发牌不随机。若要证明不随机,AA赢得次数要低于796(偏离2个standard deviation)才可以。
谢谢美言。更要多谢你回帖,因为你害得我检查了一下,发现我写错了。
n次实验一个成功率为p的独立事件,其总成功次数叫做二项分布(binomial distribution)。其EV是np,variation是np(1-p),standard deviation就是 sqrt[np(1-p)]
总成功次数在一个standard deviation之内,需要68%的概率分布,所以有32%的结果是在一个standard deviation之外,如果只是在小于一个standard deviation的一端,则是32%/2=16%,不是我原文里的33%;
偏离两个需要95%,小于2个standard deviation需要2.5%;
偏离3个需要小于0.3%,小于3个需要0.15%;
可参见wikipedia上binomial distribution和normal distribution。
[quote="cdnhello":3qn9wem1]楼上你说的我明白,你指的是软件或者现实发牌中的伪随机现像。这个很好理解,胜率跟理论胜率都是会有偏差的。
但是,我所说的是扑克室软件部门主动的,有意识的,甚至是恶意的,来故意一段段时间调整成牌率。
欢迎光临 智游城 (http://zhiyoucheng.co/) | Powered by Discuz! X3.2 |