R 计算法国轮盘赌估值的无法解释的百分比误差

我正在为班级做一个项目：关于四种不同的法国轮盘赌（37个数字）策略的统计评估。 前两个非常简单：

• 一次赌红色
• B.赌第一次

请查找以下代码：

BettingOnRed <- function(){
  ball <- sample(1:37, 1, replace=TRUE)  
  if(ball <= 18)  amount_won <- 1
  else            amount_won <- -1
  c(amount_won, 1)
}

BettingOnNumber <- function() {
  myNumber <- 17
  ball <- sample(0:36, 1, replace=TRUE)
  if(myNumber == ball)  amount_won <- 35
  else                  amount_won <- -1
  c(amount_won, 1)
}

---

注意，这不是全部功能，我只是删除了这个问题不必要的部分。

tl；dr您的结果似乎正确；这里的变化比你们想象的要多（下注数字的变化比下注红色的变化大得多…）

您的模拟有很多方面可以简化，但我认为您的基本框架是正确的。实际上，您唯一缺少的是输出中预期的变化量；如果你检查一下，你会发现观察到的和预期的偏差其实并不令人惊讶。（实际上，你可以用解析的方法来计算这个方差，但在这里，我将用蛮力来计算。）

模拟100次跑步，每次10万场比赛。为了方便起见，我使用了

plyr:：raply（）

（它会自动组合结果并实现一个进度条），但您也可以使用

replicate（）

，或者使用

for

循环来完成

set.seed(101)
library(plyr)
rr <- raply(100,simulation(BettingOnNumber,100000),.progress="text")

这意味着您将获得预期和观察到的偏差程度，即您在21%的时间内看到的偏差，或更多偏差（这基本上是您的结果的一个频率p值）

---

用红色策略下注试试这个实验，你会发现方差要小得多…

非常感谢你的解释！

set.seed(101)
library(plyr)
rr <- raply(100,simulation(BettingOnNumber,100000),.progress="text")

par(las=1,bty="l")
hist(rr[,1],col="gray",breaks=30,
     xlab="mean amount won in 100,000 games",
     ylab="Frequency (100 runs)")
exp_val <- -0.02703
obs_val <- -0.04852
abline(v=c(obs_val,exp_val),col=c("red","blue"),lwd=2)

mean(abs(rr[,1]-exp_val)>abs(obs_val-exp_val)) ## 0.21