测试人们在反复输球后是否退出比赛或降低赌注

我有关于每轮比赛后5轮消耗减少的一系列获胜和失败投注数据。我正在使用如下所示的决策树来显示数据。

往树顶的节点是那些有下注的节点，而往树底的那些节点是有下注的节点。我想看看（a）每个节点的损耗（b）每个节点的平均赌注大小变化。我正在查看前一个节点上每个节点的损耗率和存活率（如果概率为50％，则使用每个节点上的预期人数）。例如，如果每个节点的概率为50％，则在开始的1000个节点中，第二个节点W和L中应该有大约500个人。假设是（a）损失之后损耗率更高赌注（b）表示输家后减少赌注大小，赢家后增加赌注。

我只想首先在一个非常简单的单变量设置中执行此操作。如果有50个人退出，我如何执行t检验以显示从节点WW到节点WWW的平均下注大小的变化在统计上是显着的？我不确定这是正确的方法：每个后续下注都是独立的，但是人们在输家之后都退出比赛，因此样本不匹配。如果只是同一班同学一次又一次地参加一系列考试而又没有一个人辍学的情况，我会理解如何进行适当的t检验，但是我认为这有点不同。

我怎样才能做到这一点？此外，如果结果受到少数客户的歪曲，我该如何计算出前5％和后5％的收入？只是从下注1-3中删除累积赌注最高的客户？

我有从中生成该图的数据，所以在每个节点上都有平均值，std，std错误等。

看起来“显而易见”，失败者比胜利者更容易辍学。

您可以尝试使用一组列联表，以确定以上内容是否具有统计意义。例如，在第一个赌注的450名赢家中，有25名退出并留下425名，而在550名输家中，有150名退出并留下了400名。等等。

该响应可能与主题无关，但我将从主题开始。如果专门要求我确定从WW到WWW的平均赌注大小变化是否重大，那么我将忽略那些未到达这两个节点的人。如果此分析的目的是能够对未来的行为进行预测，那么即使游戏不是偶然的游戏，尝试的机制也应该很好地模仿未来的行为机制。衡量某人的赌注如果不是从WW到WWW的人的类型，从WW到WWW的变化的意义何在？

话虽如此，总的来说，我们显然不希望系统地排除某些人群。如果得到这些数据，我将专注于更可行的分析类型。最值得注意的是（尤其是如果这不是偶然的游戏），相似节点上的玩家有很多共同点。它们具有（W，L）相同的序列并且没有剩余。在以多层模型的形式控制节点相关行为的同时，按照“输掉一轮对赌注大小和损耗有什么影响”的思路回答问题是很可行的。

最后一条建议是着眼于各个级别的玩家级别差异。从统计学上讲，平均下注降低5美分可能并不重要，而90％的玩家下注可能会降低。