Funkcje

Funkcja AVGHIT oblicza średnią odstępów dla określonej na liście (parametrów) trafień wstecz czyli oblicza średnią oczekiwań z n trafień wstecz. Np jeżeli zestaw lub liczba trafiła 2-krotnie a jej wielkość odstępów 8 i 4 losowania to średnia wynosi 6 odstępów.

  Funkcja AVHTMO oblicza różnicę   ostatniego odstępu i średnią odstępów z listy (parametr) trafień wstecz czyli oblicza średnią oczekiwań z n trafień wstecz. Oblicza więc ile aktualnie liczba   czy zbiór oczekuje dłużej niż wynika   to z średniej odstępów z n trafień   wstecz. Wartość dodatnia oznacza   oczekiwanie dłuższe niż średnia   ostatnich wystąpień.   Przykład: czyli wartość funkcji AVGHIT minus OSTATNI_ODSTĘP : a więc, jeżeli zestaw lub liczba trafiła 2-krotnie a jej wielkość odstępów 8 i 4 losowania to średnia to 6 odstępów. Więc wartość funkcji 6 - 8 = -2. Liczba czy zbiór oczekuje dłużej niż wynika to ze średniej trafień w badanym okresie 2 trafień.

Funkcja RNGAVG działa jak funkcja AVGHIT, z tą różnicą że zakres średniej   oczekiwań obliczony jest z listy   losowań a nie z listy kolejnych trafień.   Przykład: W 30 losowaniach (parametr) wylosowano   liczbę 6 razy wiec średnia wyniesie 5. Pięć jest wartością funkcji.

Funkcja RGAVMO działa jak funkcja AVHTMO,   z tą różnicą że zakres średniej oczekiwań   obliczony jest z listy (n losowań) a nie z   listy kolejnych trafień.

Funkcja MARKOV oblicza matryce   prawdopodobieństwa Markowa. Dla wszystkich   trafień w bazie losowań budowana jest   tablica prawdopodobieństw przejść odstęp   przed trafieniem -> trafienie. I na tej   podstawie obliczany jest wynik określający   prawdopodobieństwo trafienia w następnym   losowaniu. Prawdopodobieństwo bliskie jedności   oznacza zdarzenie prawie pewne, bliskie   zeru prawdopodobieństwo znikome.

Funkcja MARPRE działa jak funkcja MARKOV,   z tą różnicą że na podstawie tablicy   prawdopodobieństw przejść ostatni odstęp->   trafienie, wybierany jest z tablicy   najbardziej prawdopodobny następny   odstęp do następnego wylosowania. Odstęp równy 0 (zero) oznacza że funkcja "przewiduje" wystąpienie liczby w następnym losowaniu.

Funkcja SLPHIT oblicza TREND z kolejnych   odstępów o długości wektora branego z listy   (n losowań) wstecz od ostatniego. W obliczeniach   zmienną zależną (y) są kolejne wartości odstępów   o długości wektora zadanej parametrem z listy a zmienną   zależną (x) są ciągi kolejnych losowań   narastająco z kolejnym losowaniem.

        Dlatego   trendy dodatnie wskazują że w zadanym   parametrem okresie trafienia występowały   na początku okresu, wyniki bliskie zeru wskazują   ze w zadanym okresie trafienia są regularne,   wartości ujemne to trafienia na końcu badanego   okresu. Trend jest "odwrotny" ponieważ analizie   poddawany jest przebieg (piły) odstępów,   zero to trafienie a odstępy kolejno rosną   co losowanie gdy trafienia nie występuje.   Stąd nazwa przebieg przypominający zęby piły.

Funkcja SLPPRE działa jak funkcja SLPHIT,   z tym że na podstawie wyliczonego trendu   wyliczany jest następny spodziewany odstęp   liczby czy odstęp badanego zbioru.

Funkcja FREQHT oblicza częstość trafień   w zadanym parametrem zakresie losowań wstecz.   * Parametr o wartości -1 oznacza   wszystkie losowania.

Funkcja CORPEA oblicza współczynnik korelacji   liniowej Pearsona, przebiegiem porównywanym (korelowanym) jest przebieg (wzorcowy) wyliczony ze   statystycznej normy trafień. Np dla parametru =5 przebiegiem badanym jest przebieg ostatnich pieciu odstepów np: 6,8,4,3,6 a przebiegiem wzorcowym dla MULTI(KENO) 1/80 jest przebieg (4,4,4,4,4) ponieważ każda liczba "powinna" wystąpić co 4 losowania.

Funkcja VARNOR oblicza współczynnik wariancji   z listy ostatnich losowań wstecz. Współczynnik   ten określa równomierność zbioru. Wartości   współczynnika zbliżone do zera oznaczają   równomierność trafień w zadanym listą   okresie losowań.

Funkcja NORMIN oblicza częstość trafień w   zadanej listą ilości losowań wstecz oraz   odejmuje od tej wartości statystyczną normę   wynikającą z rachunku prawdopodobieństwa.  

Różnica ta wskazuje czy liczba (wypełnia)   normę wynikającą z rachunku statystycznego.   Wartości dodatnie mówią że liczba występuje   w zadanym okresie częściej a ujemne że rzadziej   niż wynikało by to z rachunku prawdopodobieństwa.   Funkcja ta przypomina tzw piramidkę liczb.   Uwaga: dla zbiorów należy dobrze zadać parametry   zakresów na jakich ma funkcja obliczyć normę,   ponieważ np gdy badamy zbiory np 6 liczbowe   i badamy w nich trafienia 6-ek to normą będzie   np dla DL jedno trafienie na 14 mln losowań,   w bazie nie ma tylu losowań wówczas wyniki   funkcji nic nam nie powiedzą o wielkości   aktualnej normy. Wielkość normy można sprawdzić   w kalkulatorze szans: przykład mamy zbiór 10 liczb w Expres Lotku 42 liczby 5 losowanych   a w bazie losowań ok 800 losowań.   W kalkulatorze szans wybieramy szansa liczb = 5 (badamy trafienia 5 ek), przy typowaniu = 10 (nasze zbiory mają po 10 liczb), z wylosowanych = 5 (losowane jest 5 liczb), wszystkich liczb = 42 ( w ex jest 42 liczb) wynikiem jest 3375.66 więc   jedno trafienie przypada na 3375 losowań.   Więc nie ma praktycznie szans aby w 800 losowaniach   określić normę trafień. Dla zbiorów 10 liczbowych   w ex najwyższym parametrem badania trafień jest   badanie trafień 4 ze zbioru 10 (co 126 losowań).

Funkcja AUTCOR oblicza współczynnik autkorelacji   dla odstępów, określa on jak skorelowany jest zbiór   w stosunku do zbioru cofnietego o jeden okres.

Funkcja SLOP01 oblicza trend z kolejnych trafień,   w funkcji w odróżnieniu od trendy obliczanego w funkcji SLPHIT   nie są brane   odstępy ale trafienia przy czym trafienie to jedynka,   brak trafień to zero. Czyli tu wartości większe   wskazują trend dodatni czyli prawdopodobne   przyszłe trafienie.

Funkcja VARPER wariancji (równomierności trafień)   w odróżnieniu od funkcji VARNOR robi to na zbiorach   zero jedynkowych trafienie to jedynka,   brak trafień to zero.

Funkcja PNNNET oparta na sieci (predykcji PNN). Jako zestaw treningowy wybierane są szeregi kolejnych odstepów liczb wstecz od losowania zaznaczonego jako ostatnie. Dla przykładu dla zakresu 4 bedą to przebiegi:

Np liczba miała odstępy :
        5   0   1   2   3   4   5   0
To zestaw treningowy dla zakresu 4 bedzie miał postać :
1       5   0   1   2
1           0   1   2   3
1               1   2   3   4
0                   2   3   4   5
W zestawie uczącym pierwsza linia oznacza odpowiedż 
nastepującą po każdym szeregu czasowym przy czym nastepny 
odstęp nie wylosowany a więc wiekszy od zera oznaczamy 
w odpowiedzi jedynką a wylosowanie liczby oznaczamy zerem. 
Tak wiec sieć podejmuje decyzje czy liczba bedzie wylosowana 
lub nie bedzie wylosowana. Dlatego odpowiedziami funkcji są wartości
zero lub jeden. W przykładzie tak sa przesunięte wartosci odstępów
aby pokazać jak szeregi odstepów są brane do nauczania.
Dla linii pierwszej szereg 1 .... 5 0 1 2
oznacza ze w nastepnym okresie liczba nie była wylosowana (1)
a miała kolejne odstępy 5 0 1 2. Parametrem funkcji jest wartość
(4), poniewaz są analizowane 4 losowania wstecz. 

Funkcja PNNSPC oparta na sieci (predykcji PNN). Jako zestaw treningowy wybierane są szeregi kolejnych odstepów liczb wstecz od losowania zaznaczonego jako ostatnie. Dla przykładu dla parametru funkcji = 4 bedą to przebiegi:

Działa analogicznie jak funkcja PNNNET lecz odpowiedzią
zestawu nauczania jest bezposrednio nastepny offset
Np liczba miała odstępy :
        5   0   1   2   3   4   5   0
To zestaw treningowy dla zakresu 4 bedzie miał postać :
6       5   0   1   2
5           0   1   2   3
0               1   2   3   4
1                   2   3   4   5
Tak wiec sieć podejmuje decyzję: jaki odstęp "powinien" wystapic po
danym szeregu odtepów. Dlatego odpowiedziami funkcji są wartości
nastepnego przewidywanego odstepu. 
W przykładzie tak sa przesunięte wartosci odstępów
aby pokazać jak szeregi odstepów są brane do nauczania.
Dla linii pierwszej szereg 6 .... 5 0 1 2
oznacza ze w nastepnym okresie liczba nie była wylosowana (miała odstęp=6)
a w poprzednich losowaniach miała kolejne odstępy 5 0 1 2. 
Parametrem funkcji jest wartość (4), poniewaz są analizowane 4 
losowania wstecz. 

Funkcja PNNETA oparta na sieci (predykcji PNN). Jako zestaw treningowy wybierane są szeregi kolejnych odstepów liczb wstecz od losowania zaznaczonego jako ostatnie. Dla przykładu dla parametru funkcji = 3 bedą to przebiegi:

Działa analogicznie jak funkcja PNNNET lecz jako kolejne odstępy
są brane odstepy przed wylosowaniem. Np liczba x była wylosowana
w poprzednich okresach po odstępach 6,8, 11
Czyli odpowiedzią będzie 0  jeżeli po takiej serii była wylosowana
i 1 jeżeli po takiej serii nie była losowana.

Funkcja PNSPCA oparta na sieci (predykcji PNN). Jako zestaw treningowy wybierane są szeregi kolejnych odstepów liczb wstecz od losowania zaznaczonego jako ostatnie. Dla przykładu dla parametru funkcji = 3 bedą to przebiegi:

Działa analogicznie jak funkcja PNNSPC lecz jako kolejne odstępy
są brane odstepy przed wylosowaniem. Np liczba x była wylosowana
w poprzednich okresach po odstępach 6,8, 11
Czyli odpowiedzią będzie 0 odstęp jeżeli po takiej serii była wylosowana
i nastepny odstęp jeżeli po takiej serii nie była losowana.