#statistics #probability #montecarlo #poker
#Статистика #вероятность #монтекарло #покер
Вопрос:
Я прочитал много статей об алгоритме Монте-Карло для аппроксимации эквити на префлопе в NL holdem poker. К сожалению, он перебирает только несколько возможных досок, чтобы увидеть, что произойдет. Хорошая вещь в этом заключается в том, что вы можете выставлять точные диапазоны рук.
Ну, мне не нужны точные диапазоны. Достаточно сказать «Лучшие 20% против лучших 35%». Существует ли простая формула для определения (или приблизительного) вероятности выигрыша или проигрыша? Здесь мы можем игнорировать сплиты.
Я могу себе представить, что способ расчета шансов станет намного проще, если мы просто будем использовать два (процентильных) числа вместо всех возможных комбинаций карт.
Дело в том, что я не знаю, равен ли, например, случай «Топ-5% против топ-10%» «Топ-10% против топ-20%». Кто-нибудь знает полезное соотношение или формулу для этих входных данных?
Спасибо
Ответ №1:
Хорошо, я провел небольшую аналитическую работу и пришел к следующему.
Формула
eq_a(a, b) := 1/2 - 1/(6*ln(10)) * ln(a/b)
Или, если хотите:
eq_a(a, b) := 0.5 - 0.072382 * ln(a/b)
Где a
диапазон в процентах ( 0 to 1
) для player a
. То же самое для b
.
Функция выводит эквити для player a
. Чтобы получить эквити player b
, просто поменяйте местами два диапазона.
Когда мы построим график функции, он будет выглядеть следующим образом: (Где a = x and b = y
)
Как вы можете видеть, очень сложно получить эквити больше 80% на префлопе (поскольку даже AA в большинстве случаев не так хороши).
Как я до этого додумался
После того, как я провел некоторый анализ, я осознал тот факт, что вероятность выигрыша зависит только от соотношения двух диапазонов (то же самое для многоходовых банков). Итак:
eq_a(a, b) = eq(a * h, b * h)
И да, топ-5% против Топ-10% имеют те же акции, что и Топ-50% против Топ-100%.
Способ, которым я получил формулу, заключается в том, что я выполнил несколько регрессий для выборочных данных, которые я рассчитал с помощью приложения, и выбрал наиболее подходящий (логарифмический). Затем я оптимизировал его, используя специальные случаи, такие как eq_a(0.1, 1)=2/3
и eq_a(a, a)=1/2
.
Было бы здорово, если бы кто-нибудь выполнил работу по многоходовым олл-инам на префлопе.