Mega Millions의 추첨은 수백만 명의 사람들이 생활 변화 잭팟을 통해 얻은 것입니다. 그러나 수십억 명의 청소년이 세계를 차지하는 것은 숫자, 확률 및 패턴의 세계입니다. Mathematical 모델은 대성공이 성장하는 방법을 분석하는 데 필요한 구조를 제공합니다. 그들은 피크를 할 때, 어떤 요인이 우주 합리적 인 합계를 구동하는 것입니다. 모델이 승자가 될 수 있지만, 모든, 순수의 게임, 원시 분석 방법, 당신은 특정한 분석에 대한 이해를 이해하는 데 도움이 될 것입니다.

잭팟 성장의 메커니즘

Mega Millions Jackpot 추세를 예측하려면 먼저 엔진을 이해해야합니다. 잭팟은 기본 금액에서 시작되며, 매번 매번 매번 매번 매치가 모두 6 개 숫자로 일치합니다. 증가는 고정되지 않습니다. 티켓 판매에 따라 다릅니다. 각 티켓 판매는 대성공 수영장 ( 나머지는 상, 소매업체 커미션, 수상자 및 주 프로그램으로 이동)에 대한 가격을 약 50 % 추가합니다. 롤오버 동안 판매 서지가 더 빨리 성장할 수 있습니다. 이 자체 기반을 생성하면 더 큰 권총을 더 빨리 판매 할 수 있지만, 더 큰 권총이 더 큰 권총을 얻을 수 있습니다.

성장에 영향을 미치는 주요 매개 변수는 다음과 같습니다.

  • 티켓 판매량: 판매는 매우 가변적이다. 전형적인 그림은 10~20백만권 판매할 수 있지만, 잭팟은 $500 백만에 도달 할 수 있음을 실행 100-200 백만권 판매.
  • Winning의 확률: 메가 수백만 잭팟을 타격의 확률은 302,575,350. 그 작은 확률은 대부분의 롤오버가 예상된다.
  • 롤로버 규칙: 잭팟은 승리 후 기본 금액으로 재설정됩니다. 또한, 잭팟이 더 성장할 수 없는 후 약 $1.5 억 정도의 고정 캡이 있으며, 다음 그림에 “현금”으로 롤을 더 성장할 수 없습니다. (알파니언 누티 값이 증가할 수 있음).
  • Annuity vs. Cash Value]: Mega Millions는 2개의 지불금 옵션을 제공합니다: annuity (30년 이상 지불) 및 lump sum (현금). 광고된 대성공은 현금 수영장 보다는 다르게 성장하는 annuity 가치입니다. 모형을 위한 현금 가치에 전형적으로 분석하는 것은 유효한 실제적인 상금을 반영하기 때문에 모델링합니다.

이 기계학을 이해하면 올바른 수학 모델을 선택하고 그 출력을 의미적으로 해석 할 수 있습니다.

Exponential 성장 모형: 가장 간단한 시작 점

폭발적인 성장 모델은 각 롤오버의 상수 비율로 잭팟이 증가한다는 것을 가정합니다. 현실에서, 성장 요인은 변화합니다, 그러나 초기 롤오버 (판매가 상대적으로 안정된 경우), 그것은 악센트 대변입니다. 공식은:

Jn = J0 × (1 + r)n]

J0은 초기 잭팟이며, r은 도면 당 평균 성장률이며, n은 롤오버의 수입니다. 예를 들어, 잭팟이 우승자가 없는 한 롤오버 후 1억 달러에서 1억 달러로 증가한 경우, r은 0.5 (50%)이 될 것입니다. 그러나 더 이상 실행을 통해, r은 기본이 더 크고, 티켓 판매가 비례적으로 증가하지 않기 때문에 감소합니다. 여전히 이 모델은 특정 모델에 대한 이해와 관련하여 상당한 시간이 필요합니다.

예를 들어, 도면 당 일정한 30 %의 성장을 가정하고 $ 20 백만의 시작 잭팟을 시작하면 잭팟은 약 7 롤오버 (since 20 × 1.3^7 ≈ 118)에 도달 할 것입니다. 실제로, 성장률은 대성공 상승으로 느립니다. 그래서 당신은 나중에 단계에 대한 r 다운워드를 조정해야합니다. 당신은 오프릭 메가 수백만 웹 사이트 또는 [FLT:]]] [[FLT:]]]]]] 또는 [FLT:]]]]] [FLT:]]]]]] [FLT:]]]]]]] [[FLT:]]]]]]]]]]]]]]]]]]]]]]]]] [[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[FLT:]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]

통계적 회귀 모델: 역사에서 학습

회귀 분석은 실제 데이터 포인트에 수학 함수를 맞추기 위해 간단한 exponential 곡선을 넘어갑니다. 당신은 독립 변수로서의 의존 변수와 그림 (또는 시간)의 수로로 잭팟 금액을 대우합니다. 사용 된 일반적인 회귀 유형 :

  • 라인레션: 어셈블 잭팟은 각 그림마다 상수한 달러 금액으로 성장한다. 이것은 성장이 가속화되기 때문에 메가 수백만에 거의 정확하지만, 짧은 스팬에 적용 할 수 있습니다.
  • Polynomial Regression: 포획 곡선, 사분 또는 입방 성장과 같은. Aatic 모형 (J = a + bx + cx2)는 대성공의 첫 반에서 볼 수 있는 가속 성장을 대략적으로 할 수 있습니다.
  • Logarithmic Regression: 때로는 cap 근처에 같은 성장 감명을 때 유용합니다.
  • Exponential Regression: 형태 J = a × e]bx 또는 J = a × bx의 방정식을 맞추는 가장 일반적인 선택. 이 직접 모델의 비율 성장.

단계별 회귀 모델 단계 구축

자신의 회귀 모델을 구축하려면 다음 단계를 따르십시오.

  1. Collect Historical data]: 적어도 마지막 몇몇 십억 대성공이 실행되는 것을 (승리에서 승리에 각 달리는). 각 그림, 그림 날짜 후에 대성공 총계를 포함하고, 우승자가 일어났는지. LotteryAPI]는 이것을 자동화할 수 있습니다.
  2. 데이터를 정리]: 캡이나 특별 프로모션에 의해 truncated 실행을 제거한다. annuity vs. 현금 값(prefer cash)을 정상화한다.
  3. 모델 타입]: 곡선이 위쪽 굽힘처럼 보이는 경우, 폭발 또는 차분한 시도. 로그 스케일의 직선처럼 보이는 경우, 폭발은 적절합니다.
  4. 모델: Excel(LINEST), Python(scikit-learn), R(lm)과 같은 소프트웨어를 사용합니다. 방정식 계수와 R2값(모델 피팅)를 Compute합니다. 좋은 적합은 0.95 이상 R2가 있습니다.
  5. Validate: unseen data (e.g., last 20% of run)에 모델을 테스트합니다. 예상되는 대. 실제 잭팟을 확인하십시오. 오류가 10-20% 이내인 경우 합리적인 모델이 있습니다.
  6. Forecast: 미래의 드로잉 번호에 플러그를 꽂아, 하지만 각 예측은 신뢰 간격으로 제공된다는 것을 기억 (당신은 미래에 더 예측).

예: 2022년 데이터에 대한 폭발적인 회귀를 사용하여 $ 20 백만에서 $ 1.337 억에서 38 도면에 이르는 것을 갔다. J ≈ 20 × 1.12n]n]와 같은 무언가를 얻을 수 있습니다. 그림 당 12%의 성장은 초기 단계 30%보다 훨씬 낮아지며 전형적인 소박한 것을 반영합니다. 이 모델은 향후 수십억 달러의 대성공이 발생할 때 예측하는 데이터 기자와 같은 모델입니다.

Monte Carlo 시뮬레이션 : 무작위를 맞추기

회귀 모델은 단일 예측 경로 인 Monte Carlo 시뮬레이션은 티켓 판매 및 우승자의 무관심함을 인정합니다. Monte Carlo 시뮬레이션은 수천 개의 가능한 미래를 구축하고, 각 약간 다른 입력으로 결과가 가능한 결과를 볼 수 있습니다. 이것은 특히 "다음 10 도면 내에서 잭팟이 $ 1 억을 초과 할 확률이 높다는 것은 "와 같은 질문에 대한 답변에 유용합니다.

Monte Carlo Simulation 설정 방법

  1. Define 입력 배포: 고정 티켓 판매 번호 대신, 당신은 확률 분배로 판매 모델을. 예를 들어, 당신은 판매는 현재 잭팟에 따라 의미와 로그 정상적인 배포를 따를 수 있습니다 (더 많은 플레이어는 더 높은 잭팟에 끌 수 있습니다). 당신은 과거 판매 데이터에서이 견적 할 수 있습니다.
  2. ]모델은 확률]: 최소 1매가 1 − (1 − 1/302,575,350)^(매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매매
  3. Run a single trial: 기본 잭팟으로 시작. 각 그림에 대한, 배포에서 판매되는 티켓 수를 샘플. 그 티켓 카운트를 사용하여 승리의 확률을 계산. 승자가 존재하는 경우 임의 번호를 결정하기 위해 임의 번호를 생성. 승자가 없다면, 잭팟에 새로운 티켓 수익을 추가 (각 티켓은 잭팟 풀에 대한 가격의 약 50 %에 기여). 승자가 기록되면, 실행 종료 및 당신은 최종 도면을 반복합니다 (그림 50g).
  4. 많은 시간: 10,000 또는 100,000개의 평가판을 실행합니다. 각 실행의 마지막 대성공을 기록합니다 (승자가 조회될 때 총계). 또한 각 그림에 중간 대성공을 기록합니다.
  5. Analyze result: 이제 가능한 잭팟 크기와 승리의 타이밍의 배포가 있습니다. 당신은 미디어, 90 %의, 또는 초과 임계값의 확률을 계산할 수 있습니다 $1 억.

Monte Carlo 시뮬레이션은 예상 잭팟이 30 도면 후 800 만 달러가 될 수 있다고 밝혀졌으며, 10 % 확률이 1.5 억 달러를 초과 할 수 있으며 우승자가 40 그루터를 위해 나타나지 않는 5 % 확률이 높은 상으로 나타날 수 있습니다. 이 통찰력은 독자가 단일 예측보다 오히려 가능성을 최대한 이해하는 데 도움이됩니다.

당신의 모형을 위한 자료 및 공구

스크래치에서 모든 것을 구축하지 않아도 됩니다. 몇몇 리소스는 다음과 같은 데이터가 제공됩니다:

  • Mega Millions 공식 사이트: 과거의 상금과 잭팟 금액, 하지만 제한된 역사 아카이브. 스크랩 또는 수동 다운로드.
  • Lottery Post (lotterypost.com): 그림 당 업데이트된 모든 주요 복권에 대한 역사적인 잭팟 데이터를 추적합니다.
  • USAMega (usamega.com): 잭팟 값과 티켓 판매 추정으로 메가 수백만 및 파워볼 결과의 기록.
  • GitHub Open Datasets: “mega millions Jackpot history” 검색 – 많은 데이터 과학자는 깨끗한 CSV 파일을 유지합니다.

실행 모델에 대 한, 당신은 사용할 수 있습니다:

  • Microsoft Excel: 기본 Monte Carlo에 대한 내장 회귀 도구 (데이터 분석 추가) 및 간단한 임의 번호 생성기.
  • Python: 팬더, numpy, scipy, 그리고 matplotlib 같은 라이브러리. 예제 코드 스니펫은 Stack Overflow와 같은 포럼에서 널리 사용할 수 있습니다.
  • R: 통계 분석과 시각화에 강한; lm”는 회귀와 “샘플” 시뮬레이션을 위한 기능.
  • Google Sheets: LINEST와 수천 개의 평가를 위해 느리지만, 일부 임의 시뮬레이션 기능을 통해 기본 회귀.

당신의 편안함 수준에 맞는 도구를 선택합니다. 스프레드 시트 사용자는 몇 가지 공식으로 괜찮은 exponential 모델을 구축 할 수 있습니다.

일반적인 Pitfalls 및 Them을 방지하는 방법

수학 모델은 강력하지만 크리스탈 볼이 없습니다. 여기 빈번한 실수와 스티어 클리어 방법 :

  • Overfitting: 역사적인 데이터를 완벽하게 적합하지만 미래의 실행을 예측하지 못하는 고차 다항식. 몇 가지 매개 변수와 간단한 모델 (exponential 또는 quadratic)에 스틱.
  • 캐시 대를 무시. Annuity Distinction]: 광고 잭팟은 실제 현금 풀에서 다르게 성장한다. 항상 현금 가치를 모델링; annuity 값은 관심율 가정에 근거한 마케팅 번호입니다. 많은 온라인 데이터베이스 모두 제공.
  • 수평한 성장률: 초기 성장(최초의 롤오버)는 가파른; 나중에의 성장 평평한. 논리적 곡선이나 조각이 있는 모델과 같은 시간 동안의 성장률을 줄일 수 있는 모델을 사용합니다.
  • 잭팟 캡: annuity 값이 캡(예: $1.5 billion)을 보았을 때, 현금 풀은 여전히 성장하지만 발표 된 잭팟은 비례적으로 증가하지 않습니다. 모델은이 플래타를 처리해야합니다.
  • Using Too Little Data]: 단일 잭팟 실행은 데이터 포인트의 손이 닿는 기능을 제공합니다. 여러 실행(예: 마지막 10 실행)을 결합하여 성장 패턴의 강력한 모델을 얻을 수 있습니다.
  • Causation: Ticket sales drive Jackpot growth, but sales self Depend on many Factor (advertising, media Coverage, seasonity). 예측자가 이러한 영향을 미칩니다로 시간을 사용하는 회귀.

실제 응용 프로그램: 다음 큰 잭팟을 예측

유효한 모델로, 실제 질문에 대답할 수 있습니다:

  • 잭팟이 다시 1 억 달러에 도달 할 때?] 역사적인 평균 성장률을 사용하여 롤오버의 수를 추정 할 수 있습니다. 예를 들어, 그림 당 평균 성장률이 9 % (최근 실행), 잭팟 시작 $20 백만은 대략 48 롤오버에 대해 필요 $1 억 (20 × 1.09^48 ≈ 1,090). 그것은 대략 24 주 (주당 2 도면). 그러나 큰 판매는 종종 30-35-35 년 사이에 실제 판매하는 것이기 때문에, 큰 판매는 30-35 %의 실제 판매입니다.
  • 잭팟이 다음 20 도면에서 500 백만 달러를 초과하는 확률은 무엇입니까?] 잭팟 및 전형적인 판매 배포를 시작하기 위해 현재 Monte Carlo를 실행하십시오. 뉴스 콘센트가 적용을 시작할 때 결정하는 70 % 기회를 찾을 수 있습니다.
  • 나는 잭팟이 $600 만일 때 티켓을 구입 할 수 있습니까?] 모델은 세금 및 공증 비용 후 예상 값 (prize × 확률)을 계산 할 수 있습니다. 이것은 별도의 계산입니다. 일반적으로 예상 값은 부정적인이지만 일부 잭팟 (800 백만 달러 이상)은 공증에 대한 계정이 있으며 상금을 분할하는 위험을 무시할 수 있습니다. 그러나, 심지어, 복권은 세금에 설계되어 있습니다.

많은 금융 분석가 및 복권 블로거는 이러한 기술을 사용합니다. 예를 들어 웹 사이트 Lottery Critic]는 각 그림의 통계적 고장을 게시합니다. 기본 확률 확장을위한 WikiHow에서 유사한 분석을 찾을 수 있습니다.

제한 및 윤리적 고려

유틸리티에도 불구하고 Mega Millions Jackpot Trend의 수학 모델은 무장한 한계가 있습니다.

  • Randomness prevails: 각 그림은 독립적입니다. 모델은 우승자가 나타나는 정확한 그림을 예측할 수 없습니다. 가장 잘 할 수 있는 것은 “지금부터 10-15 그림의 범위 내에서 가장 가능성이 승리가 발생합니다.”
  • Changing룰: 복권은 가끔 매트릭스(number set, bonus ball) 또는 롤오버 기계에 넣을 수 있습니다. 사전-2020 데이터에 훈련된 모델은 1:258,890,850에서 1:302,575,350으로 변경된 경우, 2015년 포스트로 변경될 수 있습니다.
  • Behavioral Factor: 미디어 하이프, 소셜 미디어 트렌드, 심지어 날씨는 모델이 시간 앞서 캡처 할 수있는 방법에서 티켓 판매를 영향을 미칠 수 있습니다.
  • Ethical use: “guaranteed” 또는 “sure thing”로 복권 예측을 촉진하는 것은 오해입니다. 항상 분석 도구로 프레임 모델, 전략을 이기는 것은 아닙니다. 책임있는 놀이와 추첨은 엔터테인먼트의 형태, 투자가 아닌 강조합니다.

그것은 또한 일부 관할권이 법적으로 확률에 대한 경고를 언급하지 않는 가치가있다. 분석 게시 할 때, 과거 동향이 미래 결과를 보장하지 않는 명확한 진술을 포함하고 복권은 기회의 게임이다.

결론: 분석 도구 상자에 있는 1개의 공구로 모형을 사용

이 웹 사이트는 귀하가 웹 사이트를 탐색하는 동안 귀하의 경험을 향상시키기 위해 쿠키를 사용합니다. 이 쿠키들 중에서 필요에 따라 분류 된 쿠키는 웹 사이트의 기본적인 기능을 수행하는 데 필수적이므로 브라우저에 저장됩니다. 또한이 웹 사이트의 사용 방식을 분석하고 이해하는 데 도움이되는 제 3 자 쿠키를 사용합니다. 이 쿠키는 귀하의 동의하에 만 브라우저에 저장됩니다. 이러한 쿠키를 거부 할 수도 있습니다. 이러한 쿠키 중 일부를 선택 해제하면 검색 환경에 영향을 미칠 수 있습니다.