扬声器 | 成绩单 |
| 悉达多·卡玛利 | 大家好，我是 Siddhant Karmali、Mason Chen 和 Arhan Surapaneni，我们正在努力 |
| 针对真实扑克情况优化 AKQJ 游戏。 因此，COVID-19 是有效的心理健康，可能会恶化现有的心理健康问题。 |
| 大流行中涉及的压力源，即对疾病或失去亲人的恐惧，可能会影响人们的决策能力，并可能导致他们上瘾。 |
| 赌博成瘾是一种由于在线赌博网站的增加而增加的行为......在线赌博网站的网站流量。 |
| 该项目分析了扑克游戏中的不同情况如何影响人们做出非理性决定的方式。 这些包括可能导致赌博问题的情况。 我们开发了一个简化的扑克模型，它只使用 A 和面牌，即 A、K、Q 和 J。 |
| 这增加了某些获胜手牌跟注的概率，我们将其称为 AKQJ，代表 ace、K、Q、J。 |
| 该模型中的变量是牌值、玩家人数、下注轮数以及牌是公开的还是隐藏的。 |
| 公开牌或者是的......这个模型的目的是简化整个扑克游戏中获胜结果的复杂概率计算。 |
| 我们将把这个目标扩展到这样一种想法，即由于现实生活中的扑克有不止一个下注轮，我们可以证明或者我们可以证明这个模型是有效的，即使在不同下注轮的不同扑克变体中也是如此。 |
| 所以这就是项目的方式......或者这就是项目的大纲。 首先我们研究了情绪化赌博和强迫性赌博，强迫性赌博的危险因素是什么？ 人们如何喜欢......强迫性赌徒的想法是什么？ |
| 他们为什么赌博？ 所以我们发现人们会为了刺激而赌博，就像瘾君子一样……对毒品上瘾的人，他们使用毒品来获得快感或刺激。 所以我们又... |
| 我们推断，赌博或赌博成瘾必须触及与评论相关的大脑中相同的和弦......或参与奖励系统的那些。 |
| 然后我们去了……我们的技术是在真实案例中使用隐藏卡和开放卡。 所以隐藏牌和公开牌是……所以公开牌是玩家保持面朝上的牌，隐藏的牌面朝下，只有玩家知道他的身份。 |
| 然后我们做了两个独立的算法。 有一个综合算法和一个最坏情况算法。 |
| 但是综合算法比较复杂，因为所有的牌都是隐藏的，很难计算，最坏的情况下算法有一些开放的牌，所以玩家......或者我们的模型玩家可以推断 |
| 无论您是否下注。 所以这是我们的工程部分。 我们使用 JMP 来模拟玩家的游戏风格。 |
| 我们还使用了 |
| 正如 Arhan 将展示的，Java 和 Python 编程来生成……随机生成卡片情况，我们计算了概率并在 JMP 中进行了相关性和回归测试。 |
| 如此隐藏......隐藏和开放的卡片。 正如我所提到的，公开牌是游戏……玩家保持正面朝上以便其他玩家可以看到的牌。 |
| 隐藏牌面朝下，只有玩家知道他的身份。 综合算法， |
| ...这就是...通常发生在真正的扑克游戏中，玩家必须尝试计算概率 |
| 根据他们目前的手牌，他们赢了另一个人或赢了对手。 |
| 而且在综合算法中很难做到，因为所有的牌都是隐藏的，你不知道哪个玩家有哪张牌。 并且开放的卡片使AKQJ游戏更容易计算明智。 |
| 并且隐藏牌的数量随着下注轮数的增加而增加。所以我们做的第一个案例是一轮六名玩家，其中有六张隐藏牌。 |
| 然后我们有一个下注轮和五个玩家，其中有七张隐藏的牌 |
| 等等。 |
| 所以早些时候，我们……或者在模型中，有六名球员被赋予了从 A 到 F 的标签。 我们为他们分配概率特征，即他们下注的置信度百分比。 |
| A 为 0%，B 为 15%，C 为 30%，D 为 45%，E 为 60%，F 为 75%。 F 的 75% 概率意味着 |
| 除非他们……除非他们有 75% 的把握……至少 75% 的把握他们会战胜那个人……他们的对手，那么他们就不会下注，所以这意味着他们非常非常他们的投注保守。 |
| 一个一般的扑克案例，它是综合算法，也是最坏情况算法。 |
| 一般的方法是计算，例如，如果我们试图计算 A 赢得扑克比赛的概率，在 |
| 就一般方法而言，我们必须使用 A 的概率是 A 对 A 对 B 获胜的概率乘以 A 对 C 获胜的概率， |
| 一直到 A 对 F 获胜的概率。 这需要很长时间来计算，并且在真正的扑克比赛中很麻烦，因为下注时间可能是 45 秒到一分钟，而且没有多少人可以在一分钟内完成这种计算。 |
| 所以最坏的情况......所以这就是我们开发最坏情况方法的地方。 |
| 最坏的情况......我们通过查看哪个玩家可以用他们可以看到的牌做出最好的牌来计算最坏的结果，在四张共享牌中，这些牌对所有玩家开放，每个玩家一张隐藏牌和一张开放牌播放器。 |
| 我们在三种不同的情况下使用这两种算法。 第一种情况是一个下注轮和六名玩家。 我们必须确定每个玩家在哪些情况下会弃牌或留下，以及他们将赢或输多少筹码。 |
| 例如，即使 A 输掉筹码，A 也会留下，因为那是 |
| ......那是我们的模型之一，我们......我们知道赌博有问题，所以......那个......所以根据我们的情况，他们不得不留下来。 |
| B赢了E，但赢了其他人。 在这种情况下，C 不会获胜。 D 战胜 B 和 C 并与 A 和 E 打成平手。 |
| 而 E 没有赢，而 F 赢了所有……对抗所有其他玩家。 请注意，因为 C 和 E 没有获胜，他们……或者因为 B 没有赢得足够多的胜利，因为 C 根本没有获胜，并且因为 E 根本没有获胜，所以他们都弃牌 |
| 在下一轮投注中，他们输掉了……他们输掉了筹码。 所以留下来的人，他们喜欢......考虑到这是一场比赛或一场投注轮扑克比赛， |
| 那些……最有可能获胜的是F，因为他们有最高的最坏情况获胜概率。 我们可以看到，如果您转到上一张幻灯片，我们可以看到玩家 A 或玩家 |
| ...或者对于六名球员的情况，球员 F 的整体非常接近 80%，所以我们可以...所以...所以...之间存在相关性...或者两者之间存在很强的相关性 |
| 这 |
| AKQJ 最坏情况法和一般法。 下一个案例是一轮下注和五名玩家。 在这种情况下，置信度值会发生变化。 |
| A 为 0%，B 为 12%，C 为 25%，D 为 38%，F 为 65%。 玩家 E 被移除，因为他们在上一轮输掉的筹码最多，不得不弃牌。 |
| 在玩家较少的这一轮中，我们看到隐藏的牌更多。 隐藏牌的数量随着下注轮数和玩家数量的增加而增加。 |
| 随着隐藏卡数量的增加，计算时间可能会更长，这可能会让玩家更加紧张，不愿意进行这些计算，因为他们可能会输钱。 在这种情况下，玩家 F 没有获胜，如下所示 |
| 他们在最坏情况下获胜的概率如何 |
| 小于他们的置信百分比，所以他们被迫弃牌。 |
| 这意味着......或者这可能是因为保守的玩家在游戏后期可能表现不佳，因为他们，你知道，对他们的钱太吝啬了。 即使赌注更高，他们也不会做出正确的赌注。 |
| 下一个案例是四个玩家，我们做了这个测试来确认玩家 F 是否获胜，我们可以……如果 F 没有获胜，我们可以自信地说 |
| 比较保守的玩家做得不好……在游戏的后期阶段做得不好。 请注意，F 必须不断降低他们的获胜概率。 |
| 我们还测试了最坏情况算法是否匹配五名玩家。 在一般的方法中，B 有 11% 的获胜机会，D 有 46% 的获胜机会，F 有 48%...48% 的获胜机会。 |
| 这非常接近最坏情况的值，因此我们得到了...的强相关性……我们得到了与 R 平方为 0.998 的强相关性。 |
| 因此，这种最坏的情况使 F 在五人比赛中赢得 50% 的时间。 |
| 我们还对四名玩家进行了测试，其中... |
| 其中我们确认 F 在四名玩家的情况下将赢得 50% 的时间。 然后第三种情况是六名玩家进行三轮下注。 在这种情况下，值是相同的。 |
| 我们加回来的 E 是 56%。 然而，在第一轮 F 获胜，因为玩家开始像 B、C 和 D 一样弃牌， |
| F 必须改变他们的信心水平。 |
| F 必须改变他们的信心水平以匹配一轮的获胜概率。 |
| F的等级在第一轮后变为60%，第二轮后变为54%。 |
| 这涉及到，就像这些是模型一样。 |
| 这将是不自觉的， |
| 这表明在保守的比赛风格中存在紧张情绪，这导致这些球员在随后的几轮比赛中输球。 |
| 玩家 A 和 F 代表极端的游戏风格，这可能表明存在问题赌博。 这是下注轮计算的快速总结。 在两轮下注或两轮下注的游戏中，我们会看到 F 在 20 场比赛中只赢了两次。 所以 |
| 的... |
| 玩家的可能牌并不全...就像 F 的可能牌不足以匹配对手的可能牌。 这发生在两轮投注和三轮投注中。 |
| 这是因为紧张，这是因为F的概率太高了，就像他们无法匹配他们一样 |
| 信心水平，所以如果你想...喜欢在扑克游戏中取得好成绩的最佳策略是不要过于激进地投注，也不要过于保守。 就像玩家 D 一样，他有... |
| 玩家 D 有 38% 的机会……或 38% 的概率，所以他们必须至少有 38% 的把握能够……他们会战胜对手。 所以就像...我认为...或基于此，在那个地方附近是打牌的好地方。 现在，为什么这很重要？ |
| 我们也做了……或者我们也做了三人测试，以确认玩家 F 必须弃牌，而玩家 D 在这一轮中获胜。 所以我们可以说玩家 D 在这个扑克模型中可以说是最好的策略，在 AKQJ 扑克模型中，下注多于一轮，多于...少于六名玩家。 |
| 我们还进行了两轮下注，以考虑……或表明 F 也没有获胜。 |
| 这是另一个案例，我们用来测试 F 输球的结果是否在整个投注轮次中保持不变。 我们这样做了，三轮下注和四名玩家。 |
| 现在，为什么这很重要？ 我们之前已经表明，玩家可以执行简单的计算，例如最坏的情况，以控制他们甚至在输掉的手上下注的冲动。 |
| 有赌博成瘾的人可能会非常非常积极地下注，即使他们知道自己会输钱，他们仍然会在机会渺茫的情况下下注，希望他们会......他们会赚到钱一个大胜利。 |
| 有赌博成瘾的人可能会非常非常积极地下注，即使他们知道自己会输钱，他们仍然会在机会渺茫的情况下下注，希望他们会......他们会赚到钱一个大胜利。 |
| 这是一种情绪化的投注方式，它落入了赌徒谬误的陷阱，即认为如果你运气好或连续不走运，下一次你就会幸运，例如. |
| 这些在扑克比赛中玩家更少、下注回合更多的新案例引入了玩家紧张的想法，即使是最理性的玩家也是如此。 所以 F， |
| 在六人计算的一个下注轮中，有一个玩家......就像你可以看到那个玩家有经验或者他......或者那个玩家能够等待，他能够有一个好的策略，他或者她，对不起。 |
| 这是……所以我们可以把它应用到真正的扑克游戏中，因为在人类中，副交感神经系统会释放压力荷尔蒙，比如肾上腺素，进入体内， |
| 引起战斗或逃跑反应。 当你处于像扑克游戏这样的高风险情况时， |
| 然后你知道……你在表面上知道什么是危险的，你知道你的钱和你的资产处于危险之中，所以 |
| 你会赌上去尝试增加它。 那只是与生俱来的人性。 在这场扑克游戏中，更多的带宽被分配给了杏仁核，这是大脑中控制情绪的区域，而不是理性的并参与执行功能的前额叶皮层。 |
| 所以一轮中隐藏的牌越多，玩家可能对他们的下注越紧张，下注越差，即使他们... |
| 即使他们在扑克方面非常有经验。 |
| 这种紧张可能与强迫性赌博障碍的盲目赌博性质有关，基于风险计算和赌博的概念。 |
| 我们的结论是，F，或者像玩家 F 这样过于保守的玩家，在现实的扑克环境中可能表现不佳。 所以那些表现最好的人是保守的，但比你的常规非常非常小气的玩家更愿意下注。 |
| 我们的主要收获是，如果玩家能够理解基本的统计计算并在他们的游戏中使用它们，那么赌博障碍可能会得到缓解。 |
| 和 |
| 未来的研究，实际上不是在未来，它将会发生，或者我们已经完成了这项研究，我们将使用 Python 获得更可靠的数据，这就是 Arhan 的演讲将要展示的。 感谢您的收看。 |
| 阿尔罕·苏拉帕尼 | 每年都有数百万人前往赌场之都拉斯维加斯参加派对，享受奢华，但 |
| 最重要的是，赌博。 |
| 赌博虽然形成了对赢钱成功的虚假奖励，但仍然隐藏着财务和社会斗争的黑暗陷阱。 |
| 我们这一代人正在现代化，技术进步迅速成为常态，计算机编程语言成为在现代世界蓬勃发展所需的学科。 |
| 利用现代计算机编程工具和???，我们能够更深入地了解他们的这种心理问题并分析工具来帮助解决他们。 |
| 这是由作者 Siddhant Karmali、Mason Chen 和 Saloni Patel 在顾问 Charles 博士的尊敬帮助下完成的？和 ？？？。 |
| 如前所述，每年有数百万人参加赌场，影响大量人口。 |
| 对于影响如此大样本量的问题，首要问题之一是我们如何表达对赌博问题的解决方案以及我们如何有效地做到这一点。 |
| 通过 Siddhant 的介绍，我们学到了很多关于原始方法的知识 |
| 这有助于解释赌博，同时也提出了对赌博的经济误解，证明冷静和谨慎会带来最好的结果，而不是依靠游戏的运气来获得积极的结果。 |
| 所有这些都是通过 Java 完成的。 然而，这种方法仅 92 次运行就需要 30 小时。 这是无效且不可用的。 然而，使用 Python 可以将这个时间缩短到几秒钟，同时还允许更高级别的复杂性，这对整体方法是有益的。 |
| 回顾一下，该方法需要一个六人模型，每个人在 16 包 AKQJ 中收到两张牌。 |
| 其中一张牌是隐藏的，桌子上有四张牌。 每个玩家都有信心水平来决定他们弃牌或继续玩的频率。 |
| 继续打输三分，弃牌只输一分。 这样做是为了模拟从盲目赌博到谨慎战略家的玩家。 |
| 通常在进行大规模实验时，以足够的数量运行测试以使生成的数据可用是非常乏味和耗时的。 |
| 一种有效的替代方法是使用计算机编程，更具体地说，在蒙特卡罗模拟中使用计算机语言 Python，而不是定义为依赖于包含数值结果的重复随机抽样的一类广泛的计算算法。 |
| 图中此处应用的 Java 程序非常无效。 它们只允许随机两个样本，并且很难单独找出每个特定序列的过程。 |
| 当我们试图获得更大的数据集时，改变这一点很重要。 分析语言之间的一般差异， |
| 重要的是要确定 Java 在编译语言中是静态类型的，而 Python 在解释语言中是动态类型的。 这一区别使 Java 在运行时更快并且更易于调试。 |
| 但是 Python 更易于使用且更易于阅读。 |
| Python 也是一种解释器语言，具有优雅的语法，使其成为许多领域中脚本和快速应用程序开发的一个非常好的选择。 这在以下方法中应用。 |
| 我们需要看的一件事是新的随机发生器，它适用于完整的 52 张卡片，即 AKQJ 16 卡片。 |
| 模型允许更准确的统计？？？渲染，尤其是在使用蒙特卡罗模拟时。 |
| 我们可以使用 Python 添加我们的角色的一个有益方面。 正如 Siddhant 所说，我们现在可以使用赌注。 |
| 而不是在我们的两张卡上手动应用不同的置信度？？？随机，我们可以使用蒙特卡洛根据特定百分比阈值来做出不同的选择，以增加或删除赌注的能力，稍后会看到。 |
| 首先，重要的是要谈论甲板。 在这里，我们看到一个带有洗牌功能的 16 张牌阵列。 这允许卡片是随机的， |
| 类似于 Java 程序中看到的初始函数。 |
| 这会为不同的玩家从总共 16 张牌中抽取两张牌。 考虑到这一点，原始综合方法和我们的最坏情况方法都有广泛的应用，稍后将对其进行介绍和开发。 |
| ？？？同一个套牌允许我们添加更改或移动事物以影响我们如何计算最坏情况的方法，这对我们的最终目标很有帮助。 |
| 我们在旧的 JAVA 方法中没有同样的灵活性。 最坏情况方法的 Python 特定更改包括特定的 elif/if |
| 声明，因此拥有最差牌的玩家被指示为失败，并且 Siddanth 涵盖的公式已更改。 这很重要，因为这可以更有效地... |
| 数据收集效率更高，随机化器的输出更准确。 您可以为这些单独的卡片添加特定名称，这本身也是另一个有用的应用程序。 |
| 这种简化的蒙特卡洛模拟允许更多的复杂性，因为它允许我们根据涉及的场景添加新的赌注 |
| Siddanth 描述的多轮投注。 我们可以通过改变当前赌注来改变角色，这会影响玩家如何停留或离开下注回合，这是与 Java 方法的关键区别。 |
| 在这个程序中的概念与设置一个变量有关，该变量最终将返回资金的价值并将赌注返回到初始赌注参数。 |
| 将当前赌注发送到零，我们设置了一个 while 循环以连续运行条件，直到当前赌注等于计数。 |
| 然后对于我们获得成功结果的每一组，我们通过下注来增加价值。 |
| 如果我们要添加一个命令，告诉我们或角色在某个下注时减速，那么我们有一个简单的方法来设置下注阈值。 |
| 我们还可以编辑相同的表格以接受特定的序列，例如满堂彩，仅在序列存在时才允许下注。 这些阈值创造了我们上面提到的风险管理水平。 |
| 我们可以在???中绘制概率，其中我们将每个更新的当前赌注附加到 X 值数组并将每个更新值附加到 Y 值数组，然后绘制 PLT(?) 以绘制 X 值和 y 值。 |
| 更好的功能的关键组成部分是条件 if... 在 if 语句中对应于成功的结果。 这可以适应任何 |
| 需要的结果，包括一般情况和最坏情况。 |
| 当我们使用两个字符和多个字符进行比较时，我们可以添加重要的语句来确保正确比较数据。 |
| 使用 Python，您可以确保绘制像两对或较高值的图形，以排除较低值的玩家，迫使他们退出游戏。 这允许使用新的 Python 程序而不是使用原始的 Java 程序来提高效率。 |
| 原本需要 30 个小时的事情现在可以在几秒钟内完成。 |
| 应用此程序后，我们可以针对原始 Java 结果运行新结果的相关性测试。 如果我们查看一般方法和最坏情况方法的红线，我们会看到 |
| 它们非常接近一，表明相关性很强。 |
| 这也与较高的 R 平方值配对。 我们还运行了一个比例假设检验，告诉我们对于这两种方法我们都未能拒绝零假设。 |
| 这个值虽然很高，但并不接近……也不接近一。 对于我们期望几乎相同的东西，因为这是计算机编程。 |
| 造成这种情况的主要原因有两个，首先是样本量。 92 看起来很多，但它并不强大……并不像人们预期的那样强大。 |
| 为了解决这个问题，我们可以将样本量增加到 1,000 甚至 10,000。 另一个原因可能是 Python 的应用。 如前所述，Python 是更全面的语言，而不是静态语言。 这可能会改变效果，但主要保持不变。 |
| 在这里，我们看到最终应用程序并显示了他们的结果。 通过这个程序，我们可以看到每个游戏的内容......每个玩家用这些卡片绘制了哪些卡片...... |
| 显示和隐藏哪张牌，桌上有哪些牌，玩家获得和失去多少筹码，最后，谁赢了，他们如何赢。 在下图中，我们看到玩家 1 赢得满堂彩。 |
| 在一台计算机和一个函数中运行多个字符的能力，在应用时描述不同的序列 |
| 不同数量的玩家，也显示出不同结果的概率，甚至在常规扑克游戏中添加多次投注，Siddanth 已经介绍过。 |
| 这对于进一步的发展至关重要，因为它允许世界各地的人们使用这个程序和方法 |
| 将想法发展为一种学习工具，可用于治疗赌博成瘾者。 |
| 另一项开发利用了神经网络 (AI) 方面，通过添加诸如虚张声势之类的功能使该程序更加详细，添加到足以使程序更像是在赌场中看到的实际游戏。 |
| 最后，我们能够看到，通过使用 Python，我们不仅体验到更高的准确性，而且更高……更高的效率，最终证明了我们最初的假设，即谨慎 |
| 带来更多的金钱和更多的胜利，让原本需要数小时的程序在几秒钟内完成。 |
| 所以下次你去维加斯甚至和朋友一起玩游戏时，记住这个项目，记住从长远来看，更加小心并花更多时间做决定会对你有所帮助。 |
| 谢谢你。 |
