شرط بندی عادلانه و شرط بندی واینری دو زاویه دید در روش هاي مهم بازی هاي کازینویی و شرط بندی اسـت و بسیار مهم اسـت کـه در زمینه موفق باشید در ادامه سایت هاتم بت را دنبال کنید.
بهترین روش شرط بندی
تفکر دودویی شامل مرتب سازی اطلاعات بـه گزینه هاي متقابل منحصر بـه فرد اسـت و متفاوت تر از تفکر کامپیوتری با کد باینری اسـت. باینری یعنی یا ۱ یا ۰ و تنها دو گزینه وجوددارد. هیچ منطقه خاکستری وجود ندارد.
بسیاری استدلال میکنند کـه انسانها به‌صورت غریزی اطلاعات را از این طریق سیستم نظامند مرتب میکنند، و بـه طور طبیعی بـه روش دودویی فکر میکنند. برای انسانهای بدوی این منطقی بود.
نوعی قضاوت کـه برای زنده ماندن باید انجام می شد ؛ چنین طرز تفکری را بـه خوبی میتوان مورد بررسی قرار داد، خصوصاً وقتی کـه تصمیم گیری سریع انجام شود. تصمیماتی از قبیل این‌که آیا در بوته حیوان درنده اي وجوددارد یا خیر این تصمیمات اکثراً تصمیماتی مرگباری را ایجاد میکند.
پاداش ارائه شده با صرف زمان ارزشمند برای سنجش اطلاعات موجود «در حالی کـه یک شکارچی میتواند آماده حمله شود» میتواند سبب کاهش میزان ریسک شود. دراین نوع تفکر میتوان اینگونه برداشت کرد کـه آیا در بوته زار حیوان درنده اي وجوددارد یا خیر؟ آیا میتوان از خطر گریخت. این یک روش منطقی اسـت.
تفاوت شرط بندی عادلانه و شرط بندی واینری در چیست ؟
ریچارد داوکینز ادعا میکند راه حلهای مستقیم یا مثبت برای دسته بندی منظم اطلاعات “استبداد ذهن ناپیوسته” وجوددارد. وی پیشنهاد میکند کـه مردم بـه دنبال خاطرجمعی از طبقه بندی هستند زیرا تفکر باینری برای مغز بسیار ساده تر اسـت ؛ همانگونه کـه نياکان دور ما فکر میکردند ؛ نه این‌که سایه هاي «مناطق» خاکستری را بین دو نتیجه درنظر بگیرند.
این نوع تصمیم گیری باینری برای تصمیم گیری اساسی سریع کاملاً مناسب اسـت، اما اکنون در دنیای خاصی زندگی میکنیم. در هیچ کجا این مسئله بـه شدت در دنیای شرط بندی منعکس نشده اسـت.
فیشر و کیل برای تعیین این موضوع مطالعاتی درباره آنچه انها “تعصب باینری” نامیدند، انجام دادند. برای این مطالعات، قبل از این‌که بخواهند خلاصه اي از شواهد را ارائه دهند و نتیجه اي را بدست آورند برداشت کلی خودرا در خصوص این موضوع بـه مخاطبان خود ارائه کردند.
ارزیابی در شرط بندی درست
بـه عنوان مثال، اگر افراد در حال محاسبه داده هاي مطالعات مختلف در مورد بررسی رابطه بین کافئین و سلامتی هستند، بدون توجه بـه قدرت نسبی شواهد، داده ها را بـه سرعت طبقه بندی میکنند تا مشخص شوند کـه دارای اثر هستند یا خیر.
بـه طور کلی انها دریافتند کـه: “در طیف گسترده اي از زمینه ها، هنگام جمع بندی شواهد، مردم تعصب باینری از خود نشان میدهند: تمایل بـه اعمال تمایزهای قاطع بر داده هاي مداوم. شواهد بـه دسته هاي «گروه هاي» گسسته فشرده میشوند و تفاوت بین دسته ها ؛ قضاوت کلی را تشکیل میدهد. “
بـه عبارت دیگر ؛ شرکت کنندگان تمایل داشتند کـه قدرت نسبی شواهد ارائه شده بـه انها را نادیده بگیرند، در عوض گروه بندی انها را بـه دسته هاي گسسته و کل شواهد موجود در ان دسته ها را مورد بررسی قرار دهند.
با اینکار تمام داده ها از بین رفت. در کل، یک نتیجه گیری با احتمال ۲۵٪ دریک جهت بـه سادگی با تمام نتیجه گیری هایي کـه بدون توجه بـه قدرت بـه ان سمت متمایل شده اند، جمع شد. پردازش داده ها را برای آزمودنی ها آسان تر میکند اما بـه این معنی اسـت کـه از ارزش اطلاعات کاسته می‌شود.
YouTube در حالی کـه سعی در اصلاح سیستم رتبه بندی خود برای ویدیوها داشت ؛ این مورد را کشف کرد. از آنجا کـه اکثریت قریب بـه اتفاق آرا مربوط بـه یک ستاره یا پنج ستاره بود، رتبه بندی انها بی اثر بود.
همانگونه کـه در بالا نشان داده شد، انسانها ترجیح میدهند درصورت امکان اطلاعات را بـه دو دسته مجزا تقسیم کنند. در شرط بندی نیز این مورد وجوددارد.
تجربیات درست در شرط بندی
از نظر شرط بندی کننده بی تجربه، شرط بندی خوب شرط پیروزی اسـت. شرط بندی بد شرطی اسـت کـه ببازد. درک این دو دسته آسان اسـت و بدون این‌که درک خوبی از تفاوت هاي ظریف در شرط بندی داشته باشید، باید برای افراد قابل درک باشد.
این کاملاً غلط اسـت. شرط برنده میتواند یک شرط ترسناک باشد در حالی کـه بهترین شرط بندی کـه تا بـه حال انجام شده اسـت بازنده بوده اسـت. با طبقه بندی شرط بندی بـه این روش ساده، تمام اطلاعات مفید از بین می‌روند.
این تمایل برای نسبت دادن یک نقطه داده بـه یک گروه “خوب” یا “بد” بـه دلیل نتیجه یک رویداد ؛ در هنگام بحث پیرامون “تلاش در شکست و تبدیل شدن بـه دو امتیاز از فصل NFL ۲۰۱۹” بالتیمور ریونز نشان داده شد.
“از نظر ریاضی، تصمیم گیری برای تبدیل دو نقطه تصمیم صحیح توسط ریون انجام شد.” با این حال، از آنجا کـه این تلاش ناموفق بود، عده اي از کارشناسان تماس را بـه دسته یا گروه “تصمیم بد” طبقه بندی کردند.
اطلاعات اضافی داده شده توسط تجزیه و تحلیل چنین بازی برای کارشناسان بـه دلیل ترکیبی از پیامد نتیجه «یک تلاش ناموفق باید ناشی از یک تصمیم ضعیف باشد» و تعصب باینری «نیاز بـه قرار دادن نمایش دریک گروه مشخص» حذف شد. اگر بازی موفقیت آمیز باشد ؛ بـه احتمال زیاد ؛ نتیجه متفاوت خواهد بود.
شرط بندی عادلانه چیست ؟
برای ورود بـه یک ذهنیت شرط بندی موفق، شرط بندی کننده باید یاد بگیرد کـه از چنین تعصباتی پیش گیری کند. منطقه خاکستری بین برد و باخت چیزی اسـت کـه یک شرط خوب را از یک شرط بد تمایز میدهد.
آیا شرط بندی کننده ها درصدی کار میکنند. اگر درصد شرط بندی دقیق تر از مبلغ شرط بندی باشد، در دراز مدت برنده خواهد شد. اما آیا میتوان نتیجه گرفت کـه درصد شرط بندی دقیق اسـت؟بدون حجم نمونه زیاد ؛ پاسخ قطعی بـه این سؤال تقریبا غیرممکن اسـت.
بـه عنوان مثال یک درصد مشهور را درنظر بگیرید.
وبسایت آماری FiveThirtyEight بـه دونالد ترامپ
۳۰٪ احتمال پیروزی در انتخابات ریاست جمهوری
۲۰۱۶ کشور آمریکا را داد. البته ترامپ رئیس جمهور شد.
واکنش عده اي از محله ها نسبت بـه این پیشبینی
برچسب زدن ان بـه عنوان “اشتباه” بود. با توجه بـه
رویکرد باینری کـه مردم نسبت بـه چنین مواردی اتخاذ
میکنند ؛ میبینید کـه انجام چنین کاری وسوسه انگیز اسـت.
همانگونه کـه کار در مورد تعصب دودویی انجام شده توسط فیشر
و کیل نشان داد، مردم قدرت ضعیف پیشبینی را حذف کردند
«بـه ترامپ بـه جای ۰٪ احتمال ۳۰٪ شانس داده می‌شود» تا
پیشبینی را در دسته “اشتباه” قرار دهند کـه از نظر انها آسان تر اسـت
.
تفاوت شرط بندی عادلانه و شرط بندی واینری در چیست ؟
اما واضح اسـت کـه این رویکرد چندان مناسب نیست. طبق پیشبینی، ترامپ باید از ده مورد سه بار پیروز شود. واقعیتی کـه سناریوی تبدیل شدن بـه سناریویی کـه ترامپ در ان برنده بازی شد، هیچ چیز جدیدی در مورد صحت پیشبینی را نشان نمیدهد
.
با اجرای مکرر همان انتخابات «کـه البته غیرممکن اسـت» باید حجم نمونه بـه یک سطح معنی دار افزایش یابد. فقط دراین صورت اسـت کـه می‌توانیم پیشبینی FiveThirtyEight از ۳۰ درصد برنده شدن ترامپ را بـه واقعیت نزدیک بدانیم.
این مسئله قابل درک اسـت. این برخلاف غرایز ما اسـت کـه بگوییم واقعاً نمیدانیم و ممکن اسـت هرگز ندانیم کـه آیا پیشبینی فردی خوب بوده اسـت یا خیر.
مطمئناً شرط هایي وجود داشته اسـت کـه من در انها “بـه صورت شهودی احساس کردم درصد بـه نفع من اسـت” شرط بندی کرده ام ؛ اما خارج از مدلی کـه “نمونه بزرگی از رویداد های مشابه” را اجرا میکند ؛ هیچ راهی وجود ندارد کـه بـه طور قطعی بگوید درست گفته ام.
ورود به سایت معتبر شرط بندی
طبق بررسی هایي کـه داشتیم بهترین سایت شرط بندی را برای شـما در لینک سبز رنگ پایین صفحه کلیک فرمایید و بـه عنوان شرط بندی کننده، در ان منطقه خاکستری بین دسته هاي شرط بندی “خوب” و “بد” کار میکنیم.
برای موفقیت باید از طبقه بندی آسان فاصله بگیرید و درصد شرط بندی شخصی را برای انچه درنظر گرفته اید بپذیرید. نگران نباشید ؛ سعی در ایجاد یک شرط “خوب” با دانش مناسب و کافی اسـت کـه ممکن اسـت هرگز در مورد ترتیب طبقه بندی اطلاعاتی نداشته باشید.