• USD: 92.2628 ₽
  • GBP: 116.5187 ₽
  • EUR: 99.7057 ₽
  • BTC: 6502478.83 ₽
  • KZT: 20.522 ₽
  • UAH: 23.52 ₽

Коэффициент Байеса: особенности и преимущества

рынок вилочника
Аккаунты

Kapper Mapper

Active member
Регистрация
10 Июн 2019
Сообщения
167
Реакции
37
Баланс
20 ₽
Сделок через гарант
0
Пожертвования Фонду
0
Главные особенности коэффициент Байеса

Очень часто новички ведутся на обман “профессиональных” капперов, но задают достаточно интересный вопрос: может ли азартный игрок обладать скрытыми способностями к прогнозированию или его ставки всего лишь результат стечения обстоятельств? Это практически риторический вопрос, ведь никогда нельзя с точностью предугадать исход любого матча. Самый распространенный вариант — просчитать вероятность случайности получения прибыли с выборки ставок. Однако рассматриваемый частотный подход основывается исключительно на гипотезе, которая может обозначать наличие необходимых навыков для прогнозирования или их отсутствие, опять же, только согласно расчетам.

Коэффициент Байеса позволяет сравнить все выгоды преимущества определенных мнений, не учитывая истинное ожидание. С помощью этого способа можно оценить вероятность правильности гипотезы. В качестве основных данных берутся наблюдаемые за определенный период сведения. Если появляется новая информация, тогда вполне допустимо обновить вероятность. Теорема Байеса в беттинге имеет существенный недостаток. Если неверно выбрать безусловную вероятность (уверенность в том, что определенное событие уже произошло, без предварительно анализируемых и заданных условий), можно определить новичка, как состоявшегося профессионала или наоборот.

Однако главная задача коэффициента Байеса состоит в том, чтобы в количественном изображении оценить вероятность одной из выбранных гипотез, сравнительно с другими, не учитывая тот факт, правильные они или нет. На это указывает и формула: BF = (P(D|H1))/(P(D|H0)). P — это вероятность, D — данные, а Н соответственно гипотезы.


Применение теории Байеса в беттинге на примере


Сразу хочется рассмотреть 2 разных примера, которые должны продемонстрировать основные варианты для применения теории в прогнозировании. В первом случае возьмем футбольную команду, которая по мнению беттеров, фанатов и экспертов, побеждает в гостях и лучше всего играет в дождливую погоду. Получается, что если команда играет на выезде и идет дождь, то нужно делать ставки на победу и это будет исконно верный вариант? Совершенно нет и постараемся объяснить, что может влиять на результат:

  • Фактор погоды. Это достаточно важный показатель, особенно в контексте наблюдений беттеров. Также мало команд умеют хорошо играть в дождливые дни и больше предпочитают сухую, солнечную погоду.
  • Другие показатели. К ним стоит отнести: уровень и класс команд, наличие/отсутствие в составе лидеров, мотивацию и остальные факторы, вроде судейских ошибок, травм уже во время матча. Если команде предстоит сыграть с аутсайдером, но через 3 дня запланирована игра в финале важного турнира, вряд ли будет выкладка на 100%.
  • Непосредственно теорема Байеса в действии. Выборка игр, которые сыграны в дождливую погоду составляет 50 матчей, 45 побед, то есть 75% вероятность. В остальных условиях команда сыграла 100 игр и одержала 50 побед, то есть 50% вероятность и уже можно посчитать, что в первом случае возможности для заработка лучше. Но здравый смысл подсказывает, что это просто цифры, рассчитанные сугубо для статистики, по сути ничего не решающей.
Объективная оценка теории Байеса демонстрирует существенную зависимость от количества проведенных матчей и разных факторов, которые не входят в формулу.

Попробуем взглянуть на особенности расчетов, с другой стороны. К примеру, ставки делаются на виды спорта, где есть только 2 основных исхода: победа одной команды/спортсмена или другой. Предположим, что первый клуб лучше играет дома, потому как из 10 матчей выиграли 7. Выдвигаем гипотезу, что шансы на выигрыш составляют 70% к 30%. Если бы статистика была одинаковой: 5 побед и 5 поражений — показатели соответственно 50% на 50%. Третий вариант для углубленного исследования дал результаты 60% на 40%. Какую же гипотезу можно считать верной?

Если использовать частотный подход, то вероятность захода 60% побед, когда гипотеза 50 на 50, составляет всего до 2%, что крайне мало для подтверждения предвзятости результатов. Хотя это ведь обозначает честность процесса. Согласно теории Байеса, можно сравнить вероятность каждой из гипотез, не учитывая все их преимущества по отношению к определенному событию.


Важные нюансы теоремы Байеса


Если брать во внимание все особенности рассматриваемой теоремы, то не сразу становится понятно, что именно нужно рассчитывать. На самом деле коэффициент Байеса достаточно сложное решение, требующее усиленного внимания при полном его рассмотрении. Стоит выделить следующие нюансы, позволяющие хотя бы на базовом уровне понять значение теоремы:

  • Результаты анализируемых данных нельзя считать событиями. Простыми словами, существует стратегия для вычисления прохода определенной ставки и сам матч, который используется для анализа. Если беттер решил сделать ставку, не факт что он ее подтвердит и внесет деньги. То есть, все вероятности нужно рассматривать отдельно, в качестве конкретных гипотез. Только так можно хоть примерно вычислить определенный шанс на выигрыш. Если смешивать результаты исследований, аналитику и события, применяя теорему Байеса, результаты будут крайне непонятными и о никакой эффективность даже говорить не приходится.
  • Влияние ошибок на результат. Когда беттер анализирует матч, он может определить информацию, которая не соответствует действительности (ложноположительная), а также упустит те факты, представленные на самом деле (ложноотрицательные). В итоге даже качественно составленный анализ будет изначально неверным, а формула Байеса ни в чем не поможет.
  • Теорема не считается идеальным вариантом для расчетов. Многие удивятся, почему же мы тогда о ней пишем вообще, если эффективности не существует? Она есть, однако важно постоянно учитывать массу вариантов, которые относятся к категории ошибочных.
Также стоит отметить, что даже в науке любой факт считается только определенным результатом для применения определенной стратегии. Ну или является ее показателем. Если брать во внимание философию, то любой эксперимент будет только исследованием конкретного процесса, имеющим вероятность на ошибку. По понятным причинам, теорема Байеса или критерий Келли, нигде нет на 100% точности. Но никто и не говорит, что проверенная стратегия должна дать идеальный показатель. В таком случае букмекерских компаний вообще бы не существовало, из-за превосходства игроков.

Смысл теоремы Байеса для беттинга совершенно не в том, чтобы найти вероятность того, что команда А на 75% лучше команды Б. Она предназначается для выяснения истинного положения дел, путем проверки разных гипотез. Если изучение линии, исследование всех фактов вокруг определенного событие совершенно и отличается точностью, тогда обе вероятности должны совпадать. В итоге, все положительные исходы будут таковыми, как и отрицательные. Фактически, формула Байеса позволит

Заключение

Теорема Байеса и связанные с ней понятия о теории вероятности достаточно трудные для понимания. Виной всему абстрактные уравнения, сложные формулы и отсутствие четких примеров, объясняющих всю суть. Конечно же можно постоянно придумывать определенные ситуации, связывая их с коэффициентом Байеса и его итогами. Однако в реальности процесс вычисления займет катастрофически много времени, при этом не гарантируя необходимые результаты. Даже если вероятности по сути будут поменяны местами, уже появится ошибка, которая может не восприняться беттером. Простыми словами, когда информации есть много, она точная и проверенная, применить теорему Байеса вполне резонно и она даст неплохой результат. Но так как спортивные события всегда непредсказуемые, то зачем довольствоваться промежуточными результатами, затрачивая на анализ предельно много времени? Поэтому стоит обратить внимание на более простые стратегии, но на досуге можно все же попробовать и теорему Байеса в действии. Кому как понравится, ведь вкусы и предпочтения разные.
 
Сверху