扬声器 | 成绩单 |
| 西丹特·卡尔马里 | 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 作为一种有效的心理健康手段，可能会恶化现有的心理健康问题。 |
| 流行病带来的压力，即对疾病或失去亲人的恐惧，可能会影响人们的决策能力，并可能导致他们出现成瘾行为。 |
| 赌博成瘾就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策。其中包括可能导致赌博问题的情况。我们开发了一种简化的扑克模型，仅使用 A、K、Q 和 J。 |
| 这增加了某些获胜牌跟注的概率，我们将其称为 AKQJ，即 A、K、Q、J。 |
| 该模型中的变量是牌值、玩家数量、下注轮数以及牌是公开的还是隐藏的。 |
| 打开牌或者是的......该模型的目标是简化完整扑克游戏中获胜结果的复杂概率计算。 |
| 我们将这一目标扩展到这样的想法：由于现实生活中的扑克有不止一轮下注，我们可以证明或我们可以证明这个模型是有效的，即使在具有不同下注轮次的不同扑克变体中也是如此。 |
| 这就是项目的方式……或者这是项目的概要。首先，我们研究了情绪博彩和强迫性赌博，以及强迫性赌博的风险因素有哪些？人们如何喜欢……强迫性赌徒的想法如何？ |
| 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，他们使用毒品是为了获得快感或刺激。所以我们再次... |
| 我们推断，赌博或赌博成瘾一定会触动大脑中与回顾有关的神经……或与奖励系统有关的神经。 |
| 然后我们...我们的技术在真实案例中使用隐藏和开放的卡片。所以隐藏牌和公开牌是……所以公开牌是玩家面朝上的牌，隐藏牌面朝下，只有玩家知道它的身份。 |
| 然后我们做了两个单独的算法。有一个综合算法和一个最坏情况算法。 |
| 但综合算法更加复杂，因为所有牌都是隐藏的，很难进行计算，而且最坏情况算法有一些开放牌，因此玩家......或我们建模的玩家可以推断 |
| 无论你是否下注。这就是我们的工程部分。我们使用 JMP 来模拟玩家的游戏风格。 |
| 而且我们还用了 |
| 正如 Arhan 将展示的那样，Java 和 Python 编程生成...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，公开牌是玩家保持面朝上以便其他玩家可以看到的游戏牌。 |
| 隐藏的牌面朝下，只有玩家知道它的身份。综合算法， |
| ...这就是...通常在真正的扑克游戏中发生的情况，玩家必须尝试计算概率 |
| 根据他们当前的手牌，他们战胜了另一个人，或者他们战胜了对手。 |
| 在综合算法中这是很难做到的，因为所有的牌都是隐藏的，你不知道哪个玩家拥有哪张牌。而且开放的牌让 AKQJ 游戏更容易计算。 |
| 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。 |
| 然后我们有一轮下注和五名玩家，其中有七张隐藏牌 |
| 等等。 |
| 早些时候，我们……或者在模型中，有六名玩家被赋予标签 A 到 F。我们为他们分配概率特征，即他们必须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 的概率为 75% 意味着 |
| 除非他们...除非他们有75%的把握...至少75%的把握他们会赢那个人...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，也就是综合算法，也是最坏情况算法。 |
| 一般方法是计算，或者，例如，如果我们试图计算 A 赢得扑克比赛的概率，则为 |
| 根据一般方法，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。这需要很长的时间来计算，并且在真正的扑克比赛中很麻烦，因为下注轮时间可以是45秒到一分钟，并且没有多少人可以在其中进行这种计算一分钟。 |
| 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...我们计算了最坏情况的结果，通过查看哪位玩家可以用他们看到的牌打出最好的牌，四张共享牌对所有玩家开放，每张隐藏牌和一张公开牌玩家。 |
| 我们在三种不同的情况下使用这两种算法。第一种情况是一轮下注，六名玩家。我们必须确定在哪些情况下每个玩家会弃牌或留下，以及他们会赢得或失去多少筹码。 |
| 例如，A 留下来，即使他们失去了筹码，因为那是 |
| ...那是我们的模特之一，我们...我们知道它有赌博问题，所以...所以...所以根据我们的情况，他们必须留下来。 |
| B 战胜了 E，但没有战胜其他任何人。在这种情况下，C 没有获胜。 D 战胜 B 和 C，并与 A 和 E 打平。 |
| E 没有获胜，而 F 赢得了所有……对抗所有其他玩家。请注意，因为 C 和 E 没有获胜，所以他们...或者因为 B 没有获胜足够多，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 |
| 在下一轮下注中，他们失去了……他们失去了筹码。所以那些留下来的人，他们是那些喜欢......考虑到这是一场比赛或一轮下注的扑克比赛， |
| 那些...最有可能获胜的是 F，因为他们在最坏情况下获胜的概率最高。我们可以看到，如果你转到上一张幻灯片，我们可以看到玩家 A 或玩家 |
| ...或者对于六名玩家的情况，玩家 F 的总体非常接近 80%，因此我们可以...因此...因此之间存在相关性...或者之间存在很强的相关性 |
| 这 |
| AKQJ最坏情况方法和一般方法。下一个案例是一轮下注和五名玩家。在这种情况下，置信值会发生变化。 |
| A为0%，B为12%，C为25%，D为38%，F为65%。玩家 E 被移除，因为他们损失了最多的筹码并且在上一轮中不得不弃牌。 |
| 在玩家较少的这一轮中，我们看到隐藏的牌较多。隐藏牌的数量随着下注轮次和玩家数量的增加而增加。 |
| 随着隐藏卡牌数量的增加，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，因为他们可能会赔钱。在这种情况下，玩家 F 没有获胜，如下所示 |
| 最坏情况下他们获胜的概率如何 |
| 低于他们的置信百分比，因此他们被迫弃牌。 |
| 意思是……或者这可能是因为保守的玩家可能在游戏的后期表现不佳，因为他们，你知道，对钱太吝啬了。即使赌注更高，他们也不会做出正确的赌注。 |
| 下一个案例是有四个玩家，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 |
| 更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 必须不断降低其获胜概率。 |
| 我们还测试了最坏情况算法是否适合五名玩家。一般方法中，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，因此我们得到了很强的相关性……我们得到了 R 平方为 0.998 的强相关性。 |
| 因此，这种最坏的情况使得 F 在五人比赛中获胜的几率为 50%。 |
| 我们还针对四名玩家进行了测试，其中...... |
| 其中我们确认在四名玩家的情况下 F 将获胜 50%。第三种情况是六名玩家进行三轮投注。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 获胜时，当玩家开始像 B、C 和 D 那样弃牌时， |
| F 必须改变他们的信心水平。 |
| F 必须改变他们的置信度以匹配一轮的获胜概率。 |
| F的等级在第一轮后变为60%，在第二轮后变为54%。 |
| 这涉及到，就像这些是模型一样。 |
| 这将是不自觉的， |
| 表明保守的打法中存在紧张情绪，这会导致此类玩家在后面的几轮比赛中失败。 |
| 玩家 A 和 F 代表极端的游戏风格，这可能表明存在赌博问题。这是下注回合计算的快速总结。在两轮下注或一场有两轮弯曲的游戏中，我们会看到 F 在 20 场比赛中只赢了两次。所以 |
| 该... |
| 玩家可能的手牌并不全部...就像 F 的可能手牌不足以与对手的可能手牌相匹配。这种情况在两轮下注和三轮下注中都会发生。 |
| 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的 |
| 信心水平，所以如果你想……也许在扑克游戏中取得好成绩的最佳策略是不要太激进，也不要太保守。就像玩家 D 一样，他有... |
| 玩家 D 有 38% 的机会……或 38% 的概率，因此他们必须至少有 38% 的把握他们会……他们会战胜对手。所以就像......我认为......或者基于此，那个地方周围是玩扑克的好地方。现在，为什么这很重要？ |
| 我们也做了……或者我们也做了三名玩家测试，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 可以说是该扑克模型中的最佳策略，在 AKQJ 扑克模型中，有不止一轮下注且多于……且少于 6 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。 |
| 这是我们为了测试 F 失败的结果在整个下注轮次中是否成立而进行的另一个案例。我们这样做了，三轮下注，四名球员。 |
| 现在，为什么这很重要？我们之前已经展示过，玩家可以进行简单的计算，比如最坏的情况，以控制自己下注的冲动，即使是在输牌的情况下。 |
| 有赌博成瘾的人可能会非常非常激进地下注，即使他们知道自己会输钱，他们仍然会赌上一点机会，希望他们会……他们会赚到钱。一场大胜利。 |
| 有赌博成瘾的人可能会非常非常激进地下注，即使他们知道自己会输钱，他们仍然会赌上一点机会，希望他们会……他们会赚到钱。一场大胜利。 |
| 这是一种情绪化的投注方式，它正好陷入了赌徒谬误的陷阱，即认为如果你运气好，或者你连续运气不好，那么你下次就会幸运，例如。 |
| 这些在扑克比赛中玩家更少、下注次数更多的新案例让玩家感到紧张，即使是最理性的玩家也是如此。所以F， |
| 在六名玩家计算的一轮下注中，有一位玩家...就像您可以看到该玩家有经验或他...或者该玩家能够等待，他能够有一个好的策略，他或者她，对不起。 |
| 这是......所以我们可以将其应用到真正的扑克游戏中，因为在人类中，副交感神经系统会向体内释放压力荷尔蒙，例如肾上腺素， |
| 引起战斗或逃跑反应。当你处于高风险的情况下，比如扑克游戏时， |
| 然后你知道......你从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 |
| 你会押注于此并尝试增加它。这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杏仁核，杏仁核是大脑中控制情绪的区域，而不是理性的区域，并且参与执行功能的前额皮质。 |
| 因此，一轮中隐藏的牌越多，玩家可能会对自己的赌注更加紧张并做出更糟糕的赌注，即使他们... |
| 即使他们在扑克方面非常有经验。 |
| 基于风险计算和赌博寻求刺激的概念，这种紧张可能与强迫性赌博障碍的盲目赌博性质有关。 |
| 我们的结论是，F 或像玩家 F 这样过于保守的玩家，在现实的扑克情况下可能表现不佳。因此，表现最好的玩家属于保守派，但比普通的非常非常吝啬的玩家更愿意下注。 |
| 我们的主要结论是，如果玩家能够理解基本的统计计算并在游戏中使用它们，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 的演示将要展示的内容。感谢您的观看。 |
| 阿尔罕·苏拉帕尼尼 | 每年都有数百万人前往赌场之都拉斯维加斯，参加派对，享受奢侈品，但是 |
| 最重要的是，赌博。 |
| 赌博虽然形成了胜利成功的虚假奖励，但仍然掩盖了金融和社会斗争的黑暗陷阱。 |
| 我们这一代人正在走向现代化，技术进步迅速成为常态，计算机编程语言成为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???，我们能够更深入地研究他们的心理问题并分析工具来帮助解决它们。 |
| 这是与作者 Siddhant Karmali、Mason Chen 和 Saloni Patel 共同完成的，并得到了顾问 Charles 博士的尊敬帮助。和 ？？？。 |
| 如前所述，每年有数百万人前往赌场，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赌博问题的解决方案以及如何有效地做到这一点。 |
| 通过Siddhant的演讲，我们了解了很多原始方法 |
| 这有助于解释赌博，同时也提出了有关赌博的经济学误用词，证明冷静和谨慎可以带来最好的结果，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，此方法仅运行 92 次就需要 30 小时。这不是有效的并且无法使用。然而，使用 Python 可以将这个时间缩短到几秒，同时还允许更高级别的复杂性，这对整体方法是有利的。 |
| 回顾一下，该方法需要一个六人玩家模型，每个人都会收到 16 副 AKQJ 中的两张牌。 |
| 其中一张牌被隐藏，四张牌放在桌子上。每个玩家都有信心水平来决定他们弃牌或继续玩的频率。 |
| 继续玩丢三分，弃牌只丢一分。这样做的目的是为从盲目赌博到谨慎战略家的玩家建模。 |
| 通常，在进行大规模实验时，运行足够数量的测试以便生成可用的数据是非常乏味且耗时的。 |
| 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，它被定义为一类广泛的计算算法，依赖于包含数值结果的重复随机采样。 |
| 图中这里应用的Java程序效率很低。它们只允许随机两个样本，并且单独采购每个特定序列的过程很难完成。 |
| 当我们尝试获取更大的数据集时，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 是编译语言中的静态类型，而 Python 是解释语言中的动态类型。这一单一差异使得 Java 运行时速度更快并且更易于调试。 |
| 但Python更容易使用，也更容易阅读。 |
| Python 也是一种解释器语言，具有优雅的语法，使其成为许多领域的脚本编写和快速应用程序开发的非常好的选择。这被应用在以下方法中。 |
| 我们需要关注的一件事是新的随机发生器，它适用于完整的 52 张卡组，即 AKQJ 16 卡 |
| 模型可以提高统计准确性？？？渲染，尤其是在使用蒙特卡罗模拟时。 |
| 我们可以用 Python 添加我们的角色的一个好处。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？？？随机化，我们可以使用蒙特卡罗根据添加或删除赌注的能力的一定百分比阈值做出不同的选择，稍后您会看到。 |
| 首先，谈论套牌很重要。这里我们看到一个带有洗牌函数的 16 张牌阵列。这允许卡片被随机化， |
| 类似于Java程序中看到的initial函数。 |
| 这将从总共 16 张牌中为不同的玩家抽取两张牌。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。 |
| ???同一个牌组允许我们添加更改或移动内容来影响我们计算最坏情况方法的方式，这对我们的最终目标很有帮助。 |
| 我们旧的 JAVA 方法没有同样的灵活性。 Python 针对最坏情况方法的特定更改包括特定的 elif/if |
| 声明，以便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，并且有可能使随机发生器的输出更加准确。您可以向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场景添加新的赌注，其中涉及 |
| Siddanth 描述的多轮下注。我们可以通过改变当前的赌注来改变角色，这会影响玩家如何留在或离开下注回合，这是与Java方法的一个关键区别。 |
| 该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，我们设置一个 while 循环来连续运行条件，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盘，我们都会通过下注来增加价值。 |
| 如果我们要添加一个命令，告诉我们或角色在一定的赌注下放慢速度，那么我们就有了一种简单的方法来设置赌注的阈值。 |
| 我们还可以编辑相同的表格来接受特定的序列，例如葫芦，只允许在序列存在时下注。这些阈值创建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，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。 |
| 更好的函数的关键组成部分是 if 语句中对应于成功结果的条件 if...。这可以适应任何 |
| 所需的结果，包括一般情况和最坏情况。 |
| 当我们应用两个字符和多个字符的比较时，我们可以添加重要的语句以确保正确比较数据。 |
| 使用Python，您可以确保绘图像两对一样，或者代替较高的值，排除具有较低值的玩家，迫使他们退出游戏。这使得使用新的 Python 程序比使用原始的 Java 程序效率更高。 |
| 原本需要 30 个小时的事情现在只需几秒钟即可完成。 |
| 应用该程序后，我们可以将新结果与原始 Java 结果进行相关性测试。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 1，表明相关性很强。 |
| 这也与较高的 R 平方值配对。我们还进行了单比例假设检验，告诉我们这两种方法都未能拒绝原假设。 |
| 这个值虽然很高，但还没有接近……没有那么接近 1。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，第一个是样本量。 92 看起来很多，但并不强劲……这一趋势并不像人们想象的那么强劲。 |
| 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。正如前面提到的，Python 是一种更综合的语言，而不是一种静态语言。这可能会改变效果，但基本上保持不变。 |
| 在这里，我们看到该计划最终得到应用，并给出了结果。通过这个程序，我们可以看到每个玩家玩什么...每个玩家用纸牌抽出哪些牌... |
| 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，以及最后谁获胜、如何获胜。在下图中，我们看到玩家 1 以葫芦获胜。 |
| 能够在一台计算机和一个函数中运行多个字符，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下注，Siddanth 已经对此进行了介绍。 |
| 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，通过添加虚张声势等功能使该程序更加详细，添加的功能足以使该程序更像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度，而且更高……更高的效率，最终证明了我们最初的假设：谨慎 |
| 提供更多的钱和更多的胜利，将原本需要数小时的程序变成了短短几秒钟。 |
| 因此，下次您去维加斯或什至与朋友一起参加游戏时，请记住这个项目，并记住，更加小心并花更多时间做出决定将从长远来看对您有所帮助。 |
| 谢谢。 |
