Rehberler
Monte Carlo simülasyonu ve kesin beklenen değer
Varsayımları açık iki sonuçlu bir model, kesin ortalama ve simülasyon hatası. Hesabı yeniden oluşturmak için kaydedilmesi gerekenler.
Bu sayfada
Bilgisayar saniyede binlerce sonuç üretebilir, ancak çekiş sayısı tek başına modelin doğruluğunu kanıtlamaz. Monte Carlo simülasyonu, verilen kurallarla bir süreci tekrarlar ve çıkan sonuçları özetler. Yararı, kuralların cevaplamaya çalıştığımız soruya ne ölçüde uyduğuna bağlıdır.
Kâğıt üzerinde hesaplanabilen bir model
İki olasılık belirleyelim: %75 olasılıkla 0 birim ve %25 olasılıkla 4 birim geri ödeme. Bir denemenin maliyeti 1 birimdir. Sonuçlar bağımsızdır ve olasılıklar denemeden denemeye değişmez. Bu, eksiksiz ve kurgusal bir eğitim modelidir.
Geri ödemenin kesin beklenen değeri 0 × 0,75 + 4 × 0,25 = 1’dir. Birim maliyet çıkarılınca beklenen net sonuç 0 olur. Bu iki sayı için simülasyon gerekmez. Dağılımın iki dalının katkılarını doğrudan toplayabiliriz.
Bir çalıştırma neden farklı ortalama verebilir?
100 denemelik örnek bir kayıtta 4 değerinin 22 kez göründüğünü varsayalım. Toplam geri ödeme 88, örneklem ortalaması 0,88’dir. Kesin ortalama 1 ile arasındaki fark formülün hatalı olduğunu kanıtlamaz. Bu, örneklemden kaynaklanabilecek bir değişimdir. Buradaki 22 sayısı bir deneyin sonucu değil, örnek için seçilmiş bir sayıdır.
Tek geri ödemenin varyansı 0,75 × 0² + 0,25 × 4² − 1² = 3’tür. n bağımsız denemede ortalamanın standart hatası √(3/n) olur. 100 denemede yaklaşık 0,173, 10.000 denemede yaklaşık 0,0173’tür. Deneme sayısını yüz kat artırmak bu belirsizlik ölçüsünü on kat azaltır.
Bu ilişki her uzun çalıştırmanın hedefe her kısa çalıştırmadan daha yakın olacağını söylemez. Deney tekrarlandığında ortalamaların yayılımını açıklar. Tek bir çalıştırmanın ortalaması zaman zaman beklenen değerden uzaklaşabilir.
Sonucu tekrarlayabilmek için neleri kaydetmeli?
- Olası değerlerin tam listesi ve toplamı 1 olan olasılıkları.
- Deneme sayısı ve bağımsızlık kuralı veya bağımlılıkların açıklaması.
- Üreteç, sürümü ve araç sağlıyorsa tohum değeri.
- Raporlanan ölçünün tanımı: geri ödeme, net sonuç, ortalama veya sıklık.
Algoritma veya sayıların alınma sırası değişirse tohum değeri tek başına yeterli olmaz. Aynı tohum, aynı ortamda çalıştırmayı tekrarlamayı kolaylaştırır. Modelin gerçek bir oyunu daha doğru betimlemesini sağlamaz.
Daha çok çekiş eksik kuralları ortaya çıkarmaz
Model ek bir özelliği atlıyorsa veya olasılıkları hatalıysa bir milyon deneme tam olarak o hatalı modeli daha ayrıntılı betimler. Simülasyon, ticari bir ürünün gizli tablosunu adından, görsellerinden veya açıklanan RTP’sinden çıkaramaz.
Beklenen değer laboratuvarımızda önce açıkça tanımlanmış dalların hesabını inceleyebilirsiniz. Dağılım laboratuvarı, ortalamayla tekil sonuçlar arasındaki farkı gösterir. Bu araçlarla varsayımları ve belirsizliği inceleyin. Hiçbir çalıştırma, belirli bir oyunun sonraki turunda belirli bir sonucun ne zaman ortaya çıkacağını göstermez.
Kaynaklar
- OpenIntro Statistics: olasılıkKontrol edildi