Eli tekemäni tietsikkaohjelma simuloi ravihevosille lähdön voiton todennäköisyyksiä eli kullekin jotain väliltä 0-100 %. Ajattelin lisätä ohjelmaani lähtöratojen vaikutuksen.
Tilastoni mukaan esim. parhaalta (kakkos)radalta on tullut voittajia 1,29 kertaa keskimääräistä enemmän. Jos hevosen mahikset ilman tätä korjausta ovat 90 %, niin millä kaavalla voin huomioda lähtöradan, ei ainakaan kertolaskulla koska 90 %*1,29=116,1 % ?
Tilastoni mukaan esim. parhaalta (kakkos)radalta on tullut voittajia 1,29 kertaa keskimääräistä enemmän. Jos hevosen mahikset ilman tätä korjausta ovat 90 %, niin millä kaavalla voin huomioda lähtöradan, ei ainakaan kertolaskulla koska 90 %*1,29=116,1 % ?
Vastaukset 5
Vanhimmat
Minä ainakin tekisin näin: x/100*ratojen lukumäärä=0,29=>x=1,8, jos ratoja 16.
ja sitten lisäisin sen tuohon 90%:iin. Eli 91.8 %.
Keskimääräisellä radalla tulisi x=0, eli edelleen se 90 %.
Hyvin huonolla radalla, jolla tulisi 2 kertaa vähemmän kuin keskimääräisellä
x/100*16=-1=>x=-6,25 , eli 83,75 %
En päässyt kärryille. Matemaattisista symboleista en löytänyt merkintää =>. Määrittelit muuttujan x keskivertoradasta poikkeavaksi luvuksi. Tällöinhän eka esimerkissä sait 0,29/100*16=0,29=>x=1,8, en pääse samaan lukuun ?
Itse asiassa minä laskin: kuinka monta prosenttia 0,29 rataa on kuudestatoista radasta , ja sain että 1.8 prosenttia, jonka lisäsin yhdeksäänkymmeneen.
En väittänyt, että tämä olisi matemaattisesti oikein, vaan että näin minä tekisin.
Jos ratoja olisi vaan 12, niin prosentiksi tulisi: 0,29*100/12=2,4, ja nyt todennäköisyys nousisi 92,4 %:iin.
Jos sitä nyt vielä selventää, niin keskivertoradalta voittomahdollisuus =1/16
Paremmalta radalta 1.29*(1/16)
Näiden erotus on se määrä paljonko voittomahdollisuus paranee, eli
1.29*(1/16)-(1/16)= (1/16)*0,29, ja prosentteina 100*0,29/16, joka sitten lisätään siihen 90 %:iin.
Selkis. Korjasin menetelmällä 12 hevosen todennäköisyydet joista alunperin tuli yhteensä 100%, mutta korjattuina yhteissumma heitti jonkin verran sadasta ja voihan hevosia olla lähdöstä poiskin.
Kuitenkin menetelmä on toistaiseksi paras, kiitti.