Markov-ennustaja
Perustuu Markov Chains
Miten se toimii
Nimetty venäläisen matemaatikon Andrey Markovin mukaan, Markov-ketjuja käyttää Google verkkosivujen sijoittamiseen, sääpalvelut ennusteiden tekemiseen ja muusikot melodioiden säveltämiseen. Markov-ennustaja soveltaa tätä tehokasta konseptia lottoanalyysiin ja kysyy: "Kun otetaan huomioon mitä viimeisessä arvonnassa esiintyi, mitä todennäköisimmin esiintyy seuraavaksi?"
Siirtymätodennäköisyysmatriisi
Todennäköisyys, että Y esiintyy seuraavassa arvonnassa, kun X esiintyi nykyisessä arvonnassa.
Markov-ketjut analysoivat sarjamaista todennäköisyyttä rakentamalla siirtymämatriisin historiallisesta datasta seuraten, mitkä numerot taipuvat "seuraamaan" toisia.
Matriisin rakentaminen:
1. Jokaista lukua X arvonnassa T varten kirjaa, mitkä numerot Y esiintyvät arvonnassa T+1 2. Laske kaikki siirtymät: "7:n esiinnyttyä, 23 esiintyi seuraavaksi 15 kertaa 50:stä" 3. Laske todennäköisyydet: P(23|7) = 15/50 = 0,30
Soveltaminen ennustuksiin:
1. Katso viimeisintä arvontaa (esim. [7, 12, 23, 34, 45]) 2. Tarkista jokaisen numeron siirtymätodennäköisyydet 3. Aggregoi: Millä numeroilla on suurin yhdistetty seuraamisodennäköisyys?
Oivallus:
Vaikka yksittäiset arvonnat ovat riippumattomia, Markov-analyysi voi paljastaa hienovaraisia kuvioita datasta, vaikka nämä kuviot olisivat vain tilastollista kohinaa.
Edut
- Kehittynyt matemaattinen viitekehys
- Käytetty menestyksellisesti monilla ennustusalueilla
- Tallentaa sarjalliset suhteet
- Sopeutuu uuden arvontadatan saapuessa
Huomioitavaa
- Lottoarvonnat ovat teoreettisesti riippumattomia
- Vaatii merkittävää historiallista dataa
- Siirtymäkuviot voivat olla sattumanvaraisia
- Monimutkaista tulkita ja tarkistaa
Visualization: Network Graph
Interaktiivinen kaaviovisualisointi tulossa pian
Käytä tätä strategiaa laboratoriossa
Määritä painotukset ja luo ennusteet strategialla Markov-ennustaja