Õppetund
Teooria — Mänguri laostumine
Mänguri laostumise probleemis alustab mängija a žetooniga ja panustab sõltumatutes katsetes, millest igaühe võidutõenäosus on p. Mäng lõpeb, kui žetoonid saavad otsa või nende arv jõuab sihini N. Žetoonhaaval panustades on sihini N jõudmise tõenäosus (1 − ra)/(1 − rN), kus r = q/p; juhul p = ½ on see a/N. Panuste arvu keskväärtus on a/(q − p) − (N/(q − p))·P(sihini N jõudmine), juhul p = ½ aga a(N − a). Iga strateegia puhul võrdub kaotuse keskväärtus eelise q − p ja panustatud kogusumma keskväärtuse korrutisega.
Mida iga sümbol tähendab
a- žetoonide arv mängu alguses
N- sihtsumma; vastasel on N − a žetooni
p- panuse suuruse puhaskasu toova võidu tõenäosus, kus q = 1 − p
T- panuste arv õhtu jooksul
S- õhtu jooksul panustatud kogusumma; iga panus läheb arvesse ühe korra
- Eeldab
- Iga võit toob panuse suuruse puhaskasu ja iga katse on eelmisest sõltumatu. Kaotuse korral jääd ilma kogu panusest, ka siis, kui tuleb null. Panused on täisarv žetoone ja mängija lõpetab ainult 0 või N juures.
Ülesanne täielikult lahendatud
-
Üks võimalus miljonist 4 sammu
Kui suure žetoonivaruga alustades langeb selle kahekordistamise tõenäosus ühe võimaluseni miljonist, kui panustad punasele žetoonhaaval? Vajuta esmalt nuppu 100 topelt, žetoonhaaval: leht näitab tõenäosust 100 žetooni korral.
-
Lehelt saad 100 žetooni ja Euroopa ruleti kohta:
-
Kui sihtsumma on algsummast kaks korda suurem, siis N = 2a. Murd lihtsustub, sest 1 − r2a = (1 − ra)(1 + ra). 100 žetooni korral r100 = 222,90:
-
Võrdsusta tõenäosus ühe võimalusega miljonist ja lahenda võrrand a suhtes:
-
Žetoonide arv peab olema täisarv. Kontrolli leitud väärtusest mõlemale poole jäävat täisarvu:
Vastus
Euroopa ruletis 256 žetooni. 255 žetooniga on tõenäosus 1,03 võimalust miljonist, 256 žetooniga 0,975 võimalust miljonist. Ameerika ruletis r = 20/18 ja sama arvutus annab 131,1, seega on vaja 132 žetooni. Julge mängu korral on kahekordistamise tõenäosus kõigi nende algsummade puhul Euroopa ruletis 48,65% ja Ameerika ruletis 47,37%. Määra lehel algsummaks 256 ja sihiks 512 ning liiguta panuse liugurit, et mõlemat panustamisviisi võrrelda.
-
Õpitee
Õiglased mängud, mis sind laostavad
Allikad (3)
- The gambler's ruin problem and its formula for the chance of ruin, the limit against an "infinitely rich" adversary (ruin with probability tending to 1 in a fair game, which the first insight quotes), and de Moivre's 1711 derivation by giving the counters nominal values (q/p)^k so that the unfair game becomes fair, which the third insight retells: C. M. Grinstead and J. L. Snell, Introduction to Probability, 2nd edition, American Mathematical Society; the CHANCE Project version dated 4 July 2006, freely redistributable under the GNU Free Documentation License. Section 12.2, Gambler's Ruin, pp. 486–490.
- Timid play (a constant bet until ruin or the target) with its probability of winning f(x) = ((q/p)^x − 1)/((q/p)^a − 1), or x/a when p = 1/2, and its expected number of games g(x) = x/(q − p) − (a/(q − p)) f(x), or x(a − x); that larger constant bets help in an unfair game and make no difference in a fair one; bold play's functional equation F(x) = pF(2x) or p + qF(2x − 1), its binary-digit sum, the table F(k/8) and G(k/8), and that for p = 1/2 bold play reaches the target with probability x/a, as timid play does. The page's formulas are these, and check:compute holds its bold-play solver to the binary-digit sum and to the table: K. Siegrist, Random: Probability, Mathematical Statistics, Stochastic Processes (randomservices.org). Chapter 12, Games of Chance: §9 Red and Black, §10 Timid Play, §11 Bold Play.
- Bold play is optimal when the trials are unfair (p ≤ 1/2), proved through the sufficient condition pV(x + y) + qV(x − y) ≤ V(x); bold play is not the only optimal strategy; and the chapter's own statement that its exposition 'is based primarily on' Dubins and Savage. The second insight cites both through this page, and check:compute applies the same condition to every whole-chip bet in the page's table: K. Siegrist, Random: Probability, Mathematical Statistics, Stochastic Processes (randomservices.org). Chapter 12, Games of Chance, §12 Optimal Strategies; the chapter is based on L. E. Dubins and L. J. Savage, Inequalities for Stochastic Processes (How to Gamble If You Must), 1965.