Niveau: Anfänger
Poker ist eine sehr beliebte Form des Glücksspiels im Casino oder beim Spielen mit Familie und Freunden.
Die meisten Pokerspieler, Profis ausgenommen, verlieren wertvolles Geld und Chips, weil sie nicht die richtige wahrscheinlichkeitsbasierte Logik anwenden. In dieser Vorlesung verwenden wir als Beispiel ein Pokerspiel, das 16 AKQJ-Teilkarten (Ass, König, Dame, Bube) verwendet und von bis zu 6 Personen gespielt werden kann ist daran zu erkennen, dass das Deck leicht abnimmt. Wir verwendeten eine kombinatorische Formel für jedes mögliche Ergebnis eines Übereinstimmungsmusters und leiteten einen verallgemeinerten Ausdruck für die Übereinstimmungswahrscheinlichkeit ab. Dieses Pokerspiel mit Teildecks entstand aus dem Wunsch heraus, die simulierten Wahrscheinlichkeiten von Spielergebnissen zu vereinfachen, und wir konnten die Übereinstimmungswahrscheinlichkeit erheblich verbessern. In diesem AKQJ-Spiel sind die Gewinnmuster: „Vierling“, „Full House“, „Dreiling“, „Zwei Paare“. Wenn 6 Spieler spielen, berechnet dieses AKQJ-Spiel einfach die regulären Pokerwahrscheinlichkeiten, um Sie darüber zu informieren, wann Sie wetten sollten, wodurch die emotionalen Höhen und Tiefen bei hohen Einsätzen reduziert werden und das Spiel sehr einfach wird. Um die Spielerpersönlichkeit und -psychologie zu untersuchen, werden jedem Spieler basierend auf seinen Risikobereitschaftstendenzen unterschiedliche Spieleigenschaften zugewiesen. Um die Verteilung der Gewinnwahrscheinlichkeiten darzustellen, nutzen wir die Visualisierungsplattformen von JMP wie Graph Builder und Distribution. Tatsächliche Spieldaten der Spieler werden mit simulierten Wahrscheinlichkeiten durch JMPs „Hypothesis Proportion Testing“ verglichen. Durch die Teilnahme am AKQJ-Spiel, das statistische Ergebnisschätzung und psychologische Risikobereitschaft kombiniert, können die tatsächlichen Ergebnisse der Spieler durch Simulationen der Worst-Case-Wahrscheinlichkeit (Monte Carlo) unterstützt werden, sodass Kartenspieler ihre Entscheidungen auf rationaleren Daten basieren und die Struktur kennen können Wenn Sie wissen, wie Sie Ihre Hand spielen, können Sie die Krankheit einer Spielstörung vermeiden.
Bisher war er in den Bereichen MBB, kontinuierliche Verbesserung und „JMP Transformation Leader Functions“ in Bereichen wie Festplatten, Automobile, Gesundheitswesen, medizinische Geräte und Halbleiter tätig.
Er hat einen BS-Abschluss der National Taiwan University und einen PhD der University of California, Berkeley, beide in Ingenieurwissenschaften. Bis heute hat er über 30 technische Veröffentlichungen veröffentlicht, 12 US-Patente und 14 ASQ-Zertifikate erhalten. Ich unterrichte außerdem Biostatistik, Unternehmensstatistik, Data Mining, Big Data, DOE, Zuverlässigkeitsplanung und Organisationsführung.
