Ruina Gracza: Dlaczego Nawet Sprawiedliwy Rzut Monetą Zapewnia Twoją Bankructwę Ostatecznie

Losowy spacer z dwiema barierami

Problem Zubożonego Gracza zakłada gracza rozpoczynającego się od staku i jednostek, który obstawia jedną jednostkę w danym momencie, wygrywając z prawdopodobieństwem p i tracąc z prawdopodobieństwem q = 1-p, a kończy grę, gdy osiągnie cel N jednostek (sukces) lub osiągnie zero (zubożenie). Jest to jeden z najstarszych rozwiązanych problemów w teorii prawdopodobieństwa – Pascal i Fermat korespondowali na jego temat w 1656 roku, a jest to dokładnie losowy spacer po liczbach całkowitych od 0 do N z dwiema barierami absorpcyjnymi.

Prawdopodobieństwo upadku w zamkniętej postaci

Niech q_i oznacza prawdopodobieństwo upadku, zaczynając od staku i. Pojedynczy krok albo wygrywa (przechodząc do i+1 z prawdopodobieństwem p), albo przegrywa (przechodząc do i-1 z prawdopodobieństwem q), co daje równanie rekurencyjne: q_i = p * q_{i+1} + q * q_{i-1} z warunkami brzegowymi q_0 = 1 oraz q_N = 0.

Rozwiązując to równanie rekurencyjne – standardowe drugiego rzędu równanie różnicowe liniowe – otrzymujemy zaskakująco inny wynik w zależności od tego, czy gra jest uczciwa:

Gra uczciwa (p = 0.5): P(upadek | rozpoczęcie od i) = 1 - i/N # proporcjonalne do staku

Gra niesprawiedliwa (p != 0.5), r = q/p: P(upadek | rozpoczęcie od i) = (r^i - r^N) / (1 - r^N) Z tej formuły wypada dwa fakty, które na pierwszy rzut oka wydają się sprzeczne z intuicją. Po pierwsze, nawet w idealnie uczciwej grze (p = 0.5), gracz hazardzista grający przeciwko przeciwnikowi z praktycznie nieograniczonym kapitałem (N → ∞) upada z prawdopodobieństwem 1 – żaden skończony stake nigdy nie gwarantuje przetrwania przeciwko niezrównanemu bankrolu, pomimo tego, jak korzystnie wyglądałoby każde pojedyncze zakładanie. Po drugie, gdy gra jest nawet minimalnie niesprawiedliwa (p < 0.5), prawdopodobieństwo upadku rośnie wykładniczo szybko wraz ze wzrostem N, ponieważ r = q/p > 1 i r^N dominuje w formule – niewielki margines domu kumuluje się brutalnie przez długi czas.

fair game (p = 0.5):
  P(ruin | start at i) = 1 - i/N          # purely proportional to stake

unfair game (p != 0.5), r = q/p:
  P(ruin | start at i) = (r^i - r^N) / (1 - r^N)

Oczekiwana długość i dlaczego 'granie dłużej' to pułapka

Oczekiwane liczby zakładów przed zakończeniem gry również mają zamkniętą postać; w sprawiedliwym przypadku wynosi ona i(N-i), gdzie N oznacza liczbę prób, a i oznacza liczbę zakładów. Maksymalizuje się to wtedy, gdy stawkę ustawia się dokładnie na połowie drogi do celu – czyli najbardziej przedłużające się i pełne napięcia gry są również tymi, w których wszystko zależy wyłącznie od szczęścia. W przypadku niekorzystnym oczekiwana długość jest też skończona, ale to, co zasadniczo ma znaczenie, to fakt, że im dłużej grasz grą o oczekiwanej wartości ujemnej, tym prawdopodobieństwo ruiny zbliża się do 1 – margines domu nie musi być duży, wystarczy liczba zakładów i graczy. Kasyna są zbudowane właśnie na tej asymetrii: gracz chce krótkiej, ekscytującej sesji, a dom chce miliony zakładów przez miliony graczy w ciągu lat.

Kryterium Kelly’ego: wielkość zakładu jako prawdziwy dźwignik

Teoretyczny Ruin Gracza stanowi również podstawę matematyczną kryterium Kelly'ego, opracowanego przez Johna Kelly’ego w 1956 roku podczas pracy w Bell Labs. Jeśli zakład ma wartość oczekiwaną większą od zera, pytanie staje się nie o tym, czy w ogóle grać, lecz o to, ile kapitału należy ryzykować przy każdym zakładzie. Zbyt małe stawki powodują, że wzrost jest ograniczony; zbyt duże – ponownie wprowadzają istotną prawdopodobieństwo ruiny, nawet przy korzystnym wymiarze, ponieważ wystarczająca strata może zniszczyć kapitał szybciej, niż seria udanych zakładów go odbuduje. Wzór Kelly’ego, f* = (bp - q)/b (b = kurs wypłatny, p = prawdopodobieństwo wygranej, q = 1-p), maksymalizuje długoterminowy wzrost eksponencjalny kapitału, przy jednoczesnym utrzymaniu prawdopodobieństwa ruiny na poziomie dokładnie zera dla nieskończenie podzielnego kapitału – w praktyce gracze stosują ułamki pełnego Kelly’ego, aby kontrolować zmienność.

Weryfikacja Monte Carlo

Ponieważ rozwiązanie analityczne jest czystym wzorcem rekurencyjnym, łatwo można go zweryfikować symulacją: uruchom tysiące niezależnych losowych ścieżek z tego samego zakładu początkowego z tym samym p i policz, jaki procent uderza w 0 przed osiągnięciem N. Dla jakiegokolwiek rozsądnego rozmiaru próby, oszacowanie ruiny symulowanej zbliża się do prognozy formuły, co jest satysfakcjonującym, namacalnym sposobem obserwacji prawa dużego liczby działającego na ścieżce losowej, która sama nigdy nie dąży do czegokolwiek – każdy indywidualny tor jest szalenie nieprzewidywalny, ale ogólna statystyka jest dokładnie przewidywalna.

Frequently asked questions

Wypróbuj na żywo

Wszystko powyżej działa bezpośrednio w Twojej przeglądarce — otwórz Gambler's Ruin i zmieniaj parametry podczas działania. Nic nie jest instalowane ani przesyłane na serwer, cały model działa w jednej karcie.