Questions tagged «games»

我与一个同事打赌，在50场乒乓球比赛中（首先赢得21分，获2分），我将赢得全部50场比赛。到目前为止，我们已经打了15场比赛，平均而言，我赢了58％积分，再加上到目前为止，我已经赢得了所有比赛。所以我们想知道我是否有58％的机会赢得积分，而他是否有42％的机会赢得积分，那么我赢得比赛的几率是多少？是否有一个公式可以插入差异百分比机会？ 我们到处搜索，甚至问我们公司的数据科学家，但找不到直接的答案。 编辑：哇，我对回应的彻底震惊。非常感谢大家！！！如果人们好奇，我会更新自己的下注方式：我现在已经赢了50场比赛中的18场，所以我需要再赢32场。我赢得了所有积分的58.7％，因此我的对手赢得了41.3％的积分。我对手的标准差是3.52，他的平均得分是14.83，中位数是15.50。以下是到目前为止每个游戏的得分的屏幕截图。如果人们有兴趣，我可以随时跟进更新。 编辑＃2：很遗憾，我们只能再玩几局，结果如下。我将继续替换图片，因此没有一堆乐谱的屏幕截图。 最终更新：我最终在第二十八场比赛中输给了我的同事。他以21-13击败我。感谢您所有的帮助！

90 probability  games 

我假设以下情况是正确的：假设硬币是公平的，则抛硬币时连续获得10个正面，这并不会增加下一个抛硬币成为尾巴的机会，无论周围扔了多少概率和/或统计术语（打扰） 假设情况是这样，我的问题是：我该如何说服某人呢？ 他们很聪明，受过良好教育，但似乎决心不考虑我在这个问题上的正确性。

57 probability  independence  intuition  games  bernoulli-process 

有没有能让玩家“像统计学家一样思考”的游戏？ 例如，lightbot让您“像程序员一样思考”（以非常基本的方式）。是否有为娱乐或教学而设计的游戏，可以帮助您熟悉相关性，p值，最小二乘法，方差，各种概率分布，回归均值等基本概念。 一个例子就是这种相关性猜测游戏。 （我之所以问是因为我正在考虑开发这样的应用程序，并且试图广泛了解现有的工作内容）

41 teaching  games  application 

长期以来，计算机一直能够使用“强力”技术下棋，搜索到一定深度然后评估位置。但是，AlphaGo计算机仅使用ANN评估位置（据我所知，它不进行任何深度搜索）。是否可以创建与AlphaGo玩Go相同的方式下棋的国际象棋引擎？为什么没有人这样做？该程序的性能是否会比今天的顶级国际象棋引擎（和国际象棋玩家）更好？

32 neural-networks  deep-learning  reinforcement-learning  games 

假设您有一个带有nnn磁贴的袋子，每个磁贴上都有一个字母。有nAnAn_A以字母“A”，瓷砖nBnBn_B与“B”，等等，和n∗n∗n_*通配符”砖（我们有n=nA+nB+…+nZ+n∗n=nA+nB+…+nZ+n∗n = n_A + n_B + \ldots + n_Z + n_*）。假设您有一本单词数量有限的字典。您可以从袋子中挑选kkk块瓷砖，而无需更换。给定所选的kkk图块，您如何计算（或估计）从字典中形成零个单词的概率？ 对于不熟悉Scrabble（TM）的用户，可以使用通配符来匹配任何字母。因此，单词[ BOOT ]可以用图块“ B”，“ *”，“ O”，“ T”“拼写”。 为了对问题的规模有一些了解，kkk很小，例如7，nnn大约为100，并且字典包含大约100,000个大小为kkk或更小的单词。 编辑： “形成单词”是指长度不超过的单词kkk。因此，如果单词[ A ]在字典中，那么即使从包中画出一个“ A”，也可以“形成一个单词”。如果可以假设字典中存在长度为1的单词，则可以大大简化通配符的问题。如果有的话，通配符的任何抽签会自动匹配长度为1个字的单词，因此，人们可以专注于没有通配符的情况。因此，问题的较滑形式在词典中没有1个字母的单词。 另外，我应该明确指出从书包中提取字母的顺序并不重要。人们不必按单词的“正确”顺序绘制字母。

27 sampling  games  probability 

我有一些团队得分的电子表格。一线队以10分获胜。每队有2名球员。尽管并非是随机选择的，但玩家始终与不同的队友一起玩。不保留任何个人分数。 所以基本上我们有Bill和Bob击败Andy和Alice 10-4 Jake，而Bill击败Joe和John 10-8 ... 根据所有可用的比赛数据，是否有可能为各个球员得出一些排名。基本上，要了解每个玩家对每个游戏的贡献或相对于其他玩家的贡献是多少？

19 ranking  games  bradley-terry-model 

假设您有一个带有磁贴的袋子，每个磁贴上都有一个字母。有带有字母“ A”的图块，和“ B”等等，还有 “通配符”图块（我们有）。假设您有一本单词数量有限的字典。n A n B n ∗ n = n A + n B + … + n Z + n ∗ññnñ一种ñ一种n_Añ乙ñ乙n_Bñ∗ñ∗n_*n = n一种+ n乙+ … + nž+ n∗ñ=ñ一种+ñ乙+…+ñž+ñ∗n = n_A + n_B + \ldots + n_Z + n_* 您可以从袋子中挑选块瓷砖，而无需更换。ķķk 给定所选的图块，您如何计算（或估计）从字典中形成长度为（1 < = <）的给定单词的概率？升ķ ķ升升l升升lķķkķķk 对于不熟悉Scrabble（TM）的用户，可以使用通配符来匹配任何字母。因此，单词“ BOOT”可以用图块“ B”，“ …

18 probability  games  combinatorics 

上周，我与我的一个好朋友进行了有趣的讨论。他一直在玩一些在线扑克游戏，并建议新的订阅/其他转账与您所获得的卡之间存在某种关系，即，您获得了不错的卡而上瘾。如果这是真的，那么网站可能会冒很大的风险，但是问题仍然让我着迷。 我的第一种方法是让我的朋友定义“好卡片”并进行简单的二项式检验。我的朋友很难定义什么是好卡片。如果他真的得到了不好的牌，他就知道弃牌，而如果他得到了好牌，他就知道全押-劣牌是介于两者之间的牌。 我的另一种方法是计算每只给定手牌的确切概率，然后查看它是否与预期不同，也许使用Wilcoxon符号秩检验，因为这应该检测到不同的分布形状以及真实的移动。我想最难的部分是计算确切的概率。 数据将包含最初的0-100张发牌，而一周后为300-400张发牌（或在网站上待了一段时间的朋友）。 问题：您如何建议解决此问题？ 德州扑克的运作方式 我不是专家，玩家（我只玩德州扑克的3-4倍），但它是相当简单的，你可以找到的维基百科页面的更多细节在这里。 与常规扑克的主要区别是开始时只能获得2张牌。您无需切换这些卡。桌上还有另外5张牌面朝下。通过将您的两个与表5相结合，您可以选择5张最好的纸牌游戏手。 例如，如果您获得2个A，您将有一个良好的开端，并且可能会获得强大的成绩；同样，如果您拥有7和2，您的获胜机会非常渺茫，并且您很快弃牌。困难的部分可能是女王/王后和9，尽管您的牌面高于“平均数”，但您最终可能一无所有。您可以在此处找到扑克手名单。

15 binomial  games  wilcoxon-signed-rank 

我正在阅读“国际象棋在人工智能研究中的作用”（pdf），有趣的是，它说： 经验表明，国际象棋专家的意见虽然普遍有用，但不能完全信任。 深入思考的评估功能就是一个很好的例子。有能力的国际象棋专家进行的几次更改均未带来明显的改进，有时甚至会对机器的性能造成负面影响。 在这里，人类专家及其专业知识向该计划介绍了自己的偏见。解决此问题的一种方法是限制程序中允许的专家输入的类型和数量。在另一台几乎没有“知识”的机器上。 在现代研究和实践中这有多真实？ 这是一个大问题，还是仅仅是国际象棋游戏的一个特定问题？

15 games  artificial-intelligence 

这个问题的灵感来自《口袋妖怪魂银》的迷你游戏： 想象一下，在这个5x6区域隐藏了15枚炸弹（编辑：最多1枚炸弹/细胞）： 现在，考虑到行/列的总数，您如何估计在特定区域找到炸弹的概率？ 如果查看第5列（炸弹总数= 5），那么您可能会认为：在此列中，在第2行中找到炸弹的机会是在第1行中找到一个炸弹的机会的两倍。 直接比例性的这种（错误）假设基本上可以描述为将标准独立性测试操作（例如在Chi-Square中）引入错误的上下文中，将导致以下估计： 如您所见，直接成比例导致概率估计超过100％，甚至在此之前是错误的。 因此，我对所有可能的排列进行了计算仿真，得出了放置15枚炸弹的276种独特可能性。（给出行和列的总数） 以下是276个解决方案的平均值： 这是正确的解决方案，但是由于需要进行指数计算，因此我想找到一种估算方法。 我的问题现在是：是否有一种确定的统计方法来对此进行估算？我想知道这是否是一个已知问题，如何称呼它，以及是否有您可以推荐的论文/网站！

14 probability  estimation  chi-squared  independence  games 

想象一下，世界上有80位躲避球运动员。他们每个人都以随机的顺序与其他79名球员一起玩了数千场躲避球游戏。这是一个没有球队的世界（例如，每场比赛每个球员都有被选拔的机会）。我知道每个球员的先前获胜率（例如，一个赢得了之前所有游戏的46％，另一个赢得了他之前所有游戏的56％）。可以说一场比赛即将来临，我知道每支球队都在比赛。我也知道他们以前的胜率。 根据团队的组成来计算每个团队获胜的概率的最佳方法是什么？ 如果需要相对高级的计算（例如，逻辑回归），请告诉我一些细节。我对SPSS非常熟悉，但是我不需要提出后续问题。 此外，我将如何使用档案数据探索方法的准确性？我知道这并不明确，因为大多数玩家都徘徊在40-60％左右，但仍然如此。 具体来说，A队获胜的几率是多少？ A-包含先前获胜率分别为52％，54％，56％，58％，60％的个人B-包含先前获胜率为48％，55％，56％，58％，60％的个人 （这只是出于说明目的的一个随机示例。两个非常好的团队。） 编辑：有没有一种方法可以从一个非常简单的算法开始，然后看它是如何工作的？也许我们可以简单地将每支球队的百分比相加，并预测拥有最高百分比的球队将获胜。当然，我们的分类将是不准确的，但是在成千上万的存档游戏中，我们可以看到我们能否预测胜于偶然。

13 probability  games  paired-comparisons  odds 

我在解决以下问题时遇到了一些麻烦。 您可以从标准的52张卡片组中抽牌，而无需替换，直到获得一张A。您从剩余的剩余数中提取，直到得到2。继续进行3.整个甲板用完后，您期望的剩余数字是多少？ 让它自然 Ti=first position of card whose value is iTi=first position of card whose value is iT_i = \text{first position of card whose value is }i Ui=last position of card whose value is iUi=last position of card whose value is iU_i = \text{last position of card whose value is …

12 self-study  conditional-probability  conditional-expectation  games  conditioning 

网球有一个独特的三层得分系统，我想知道从比赛的角度来看，这是否有任何统计学上的好处，以确定更好的球员。 对于那些不熟悉的人，通常情况下，只要您有2分的领先优势（通常是4-2，则获胜，但4-3则需要再增加1分，然后保持直到一名玩家领先2）。 一组是一组游戏，一组首先赢得6局，再次必须获得2局，除非这次是特殊的决胜局游戏，而不是继续进行（温网的最后一组等）。 ..） 根据比赛的不同，比赛将首先获得2到3套冠军。 现在，网球也很奇怪，因为比赛不公平。对于任何给定的点，服务器都具有巨大的优势，因此服务器交替进行每个游戏。 在决胜局游戏中，发球在每分之后交替进行，这是第一至7分，再次领先2分。 假设玩家A有可能在其发球和接收到时赢得积分。p [Rpspsp_sprprp_r 问题是这样的，假设我们 A）刚打网球是一项大型的“ N场最佳比赛”，多少场比赛的准确度与正常的5套网球相同 B）只是将网球作为一项重要的决胜局游戏，有多少分能像平常的5盘网球那样获得最佳准确性？ 显然，这些答案将取决于和值本身，因此也很高兴知道p [Rpspsp_sprprp_r C）假设常数，是正常网球的预期比赛次数和得分是多少p [Rpspsp_sprprp_r 定义“准确性” 如果我们假设两个玩家的技能保持不变，那么如果他们玩了无限长的时间，那么无论玩法如何，一个或其他玩家几乎肯定会获胜。该球员是“正确”的赢家。我很确定正确的赢家是的玩家。pr+ps>1pr+ps>1p_r+p_s > 1 一种更好的比赛方式是，在相同的得分点上更频繁地产生正确的获胜者，或者相反，在很少的得分中以相同的概率产生正确的胜者。

12 probability  inference  games 

本文在这里。 推出策略...是基于快速，增量计算，基于局部模式的特征的线性softmax策略... 我不了解什么是推出政策，以及它与选择行动的政策网络之间的关系。有更简单的解释吗？

11 machine-learning  monte-carlo  reinforcement-learning  games 

我有一个数据集，详细介绍了许多板球比赛（数千场）。在板球比赛中，“保龄球手”反复向“蝙蝠侠”接连投球。圆顶硬礼帽试图使击球手“离开”。在这方面，它与棒球中的投手和击球手非常相似。 如果我将整个数据集除以击球手得到的球的总数除以保龄球的总数，我可以看到投球手得到击球手的平均概率为-大约为0.03（希望我没有错吗？） 我感兴趣的是我可以做些什么，以尝试计算下一个球上某个特定的投球手被一个特定的投球手击出的概率。 数据集足够大，以至于任何给定的投球手都可以将数千个球投向各种击球手。因此，我相信我可以简单地将投球手的出球次数除以他投球的次数，从而计算出该特定投球手从下一个球出局的新概率。 我的问题是数据集不够大，无法保证给定的投球手在给定的击球手处投了统计上显着数量的球。因此，如果我对计算特定投球手面对特定板球手的出局概率感兴趣，我认为这不可能以同样简单的方式完成。 我的问题是以下方法是否有效： 在整个数据集中，球出局的概率为0.03。 如果我计算出平均礼帽A有超过0.06的概率（即，平均礼帽的两倍）， 并且平均而言，击球手B的概率超过0.01（是平均击球手的三分之一）， 那么可以说那个特定的击球手在那个特定的投球手的下一个球上出球的概率是0.06 *（0.01 / 0.03）= 0.02吗？

9 probability  modeling  games