close
maalis 24, 2014
maalis 24, 2014

Bayesin analyysi ja urheiluvedonlyönti

Bayesin analyysi ja urheiluvedonlyönti
Vedonlyöjät etsivät usein uusia työkaluja, jotka auttaisivat tarkkojen todennäköisyyksien arvioinnissa, kun epävarmojen tilanteiden mahdollisuus on olemassa. Tässä artikkelissa käsitellään, kuinka Bayesin analyysi – englantilaisen presbyteeripapin, Thomas Bayesin 1700-luvulla kehittämä teoria – voi auttaa urheiluvedonlyöjiä ennustamaan tapahtuman lopputuloksen.

Bayesin analyysin synty

Thomas Bayes syntyi Englannissa noin vuonna 1701, ja jakoi elämänsä teologisten ja matemaattisten asioiden opiskelun ympärille. Vasta hänen kuolemansa jälkeen vuonna 1761 yksi hänen tutkimuksistaan, ”An Essay towards solving a Problem in the Doctrine of Chances” lähetettiin Englannin kuninkaalliselle yhteisölle, joka tunnusti Bayesin kuoleman jälkeen hänen työnsä tärkeyden.

Vei kuitenkin aikaa peräti kotitietokoneiden markkinoille tuloon saakka – 200 vuotta – että Bayesin työstä tuli todella arvostettua ja laajalti hyväksyttyä. Siitä lähtien Bayesin analyysiä on tulkittu ja käytetty monissa yhteyksissä, kuten tekoälyssä. Yksinkertaisimmassa muodossaan Bayesin tapa laskea todennäköisyyksiä on yksi järkevimmistä tavoista perustella päätöksiä epävarmoissa tilanteissa, uhkapelit mukaan lukien.

Siinä käytetään iteratiivista arviointiprosessia tulevan tapahtuman todennäköisyydestä ja sen jälkeen uusien todisteiden vaikutusta niiden tullessa saataville.

Bayesin analyysin kaava

Bayesin analyysillä on monta nimeä ”Bayesin päättelyjärjestelmä”, ”Käänteinen todennäköisyys”, ”Bayesin päivitys”... mutta loppupeleissä kyseessä on melko yksinkertainen kaava:

P(A|B) = P(A) * P(B|A) / P(B)
A:n todennäköisyys B huomioiden on yhtä kuin A:n todennäköisyys kertaa B:n todennäköisyys huomioiden A jaettuna B:n todennäköisyydellä

Jos haluat tietää A:n todennäköisyyden, kun tiedät, että B on myös olemassa (tunnettu), saat vastauksen kertomalla aikaisemman arviosi A:sta (A:n todennäköisyys) B:n verratulla todennäköisyydellä, kun A on läsnä (eli P(B|A) / P(B)).

Bayesin analyysiä käytetään myös sään ennustamisessa

Tarkastellaan arviota, jonka mukaan huomenna on 30 %:n mahdollisuus, että sataa vettä.

Tiedät myös, että keskivertopäivänä on 50 %:n mahdollisuus, että on pilvistä.

Lisäksi tiedät, että pilvien todennäköisyys on 100 %, kun sateen todennäköisyys on 100 % (sateella on aina pilvistä).

Sinulla on siis seuraavat tiedot:

  • P(A) = Sateen todennäköisyys = 30 %
  • P(B )= Pilvien todennäköisyys = 50 %
  • P(B|A) = Pilvien todennäköisyys sateella = 100 %

Heräät aamulla, ja saat uutta tietoa: Taivaalla on pilviä. Nyt voit tehdä Bayesin päivityksen sateen todennäköisyydestä, koska sinulla on uutta tietoa pilvisyydestä.

Kuten muistamme, P(A|B) = P(A) * P(B|A) / P(B) = sateen todennäköisyys * pilvien todennäköisyys, kun sataa / on ehkä pilvistä = 30 % * 100 % / 50 % = 60 %

Voit nyt päivittää arviosi sateen todennäköisyydestä 60 %:iin.

Bayesin analyysi ja urheiluvedonlyönti

Muunnetaan tämä nyt urheiluvedonlyöntiesimerkiksi. Kuvittele, että olet kiinnostunut Bayern München -ottelusta, jossa uskot 50 %:n voittomahdollisuuteen varsinaisella peliajalla. Tiedät myös, että heidän voittaessaan on ollut 11 %:n sateen mahdollisuus, ja että tavanomainen sateen mahdollisuus Bayern München -ottelussa on 10 %.

Laskenta:

  • P(A) = Bayern Münchenin voittomahdollisuus = 50 %
  • P(B) = Sateen mahdollisuus Bayern München -ottelussa = 10 %
  • P(B|A) = Sateen mahdollisuus jalkapallo-ottelussa, kun Bayern München voittaa = 11 %.

Jos saat nyt tietoa säästä, sinun ei tarvitse miettiä, kuinka se vaikuttaa todennäköisyyksiin. Voit monien eri alojen ammattilaisten (urheiluvedonlyönti mukaan lukien) tavoin käyttää Bayesin päivitystä.

Jos sataa, tiedät että P(A|B) = P(A) * P(B|A) / P(B) = 50 % * 11 % / 10 % = 55 %.

Huomaa, että P(B|A) / P(B) on sama kuin kysyisit ”Kuinka paljon todennäköisempi B on, jos A on olemassa?” – Tässä tapauksessa, 11 / 10 (11 % / 10 %).

Kun tiedät, että B on olemassa, uusi arviosi A:sta voi muuttua sen mukana kertomalla nämä kaksi, eli P(A) * P(B|A) / P(B).

Yhteenveto

Vedonlyöjän suurin vihollinen on yleensä nähtävissä peilistä, josta heijastuu myös määrätyn tuloksen dogmaattinen noudattaminen. Tämä on yleinen virhe. Bayesin analyysi katkaisee tämän tavan antamalla mahdollisuuden ja rohkaisemalla jatkuvasti testaamaan uutta todistusaineistoa omaa näkemystäsi vastaan. Tämä on pohjimmiltaan positiivinen palautesilmukka, joka jalostaa arvioitasi tapahtuman todennäköisyydestä.

Se ei ole kuitenkaan matemaattinen kristallipallo. Kuten mikä tahansa kaava, RSRU-laki on voimassa: roskat sisään, roskat ulos, mutta jos luotat arvioosi testasitpa mitä tahansa, Bayesin analyysillä on mahdollisuus kaivaa urheiluvedonlyönnin arvo esille. Ja voit kiittää siitä 1700-luvulla elänyttä pappia.

strategy-openaccount.jpg

Vedonlyöntiresurssit auttavat vedonlyönnissä

Pinnaclen Vedonlyöntiresurssit-osio on yksi netin kattavimmista asiantuntevan vedonlyöntineuvonnan kokoelmista. Tavoitteenamme on auttaa kaikentasoisia vedonlyöjiä parantamaan tietämystään.