ميگا ملين جي ڊيٽا جي بنياديات کي سمجهڻ

ميگا ملينز هڪ گھڻ رياستي لاٽري راند آهي جيڪا 45 رياستن ، ڊسٽرڪٽ آف ڪولمبيا ۽ يو ايس ورجن ٻيٽ ۾ کيڏي ويندي آهي. هر ڊرا 70 نمبرن جي پول مان پنج اڇا بال ۽ هڪ گولڊ ميگا بال 25 نمبرن جي پول مان پيدا ٿيندي آهي. هر ڊرائنگ لاءِ مڪمل ڊيٽا سيٽ ۾ تاريخ ، پنج اڇا بال نمبر ، ميگا بال نمبر ، ميگا پليئر ضرب ، ۽ اڪثر ڪري هر انعام واري سطح تي جڪپوٽ جي رقم ۽ فاتحن جو تعداد شامل هوندو آهي. انهن معلومات کي گڏ ڪرڻ مهينن يا سالن دوران هڪ امير ڊيٽا سيٽ ٺاهي ٿو جيڪا ظاھر انگن اکرن جي رجحانات کي ظاهر ڪري سگهي ٿي.

هڪ قابل اعتماد ڊيٽا سيٽ ٺاهڻ لاءِ ، توهان کي وقت جي ونڊو تي فيصلو ڪرڻ جي ضرورت آهي. ڪجهه تجزيه نگار آخري 100 ڇڪڻ استعمال ڪندا آهن ، ٻيا گذريل سال تي نظر وجهندا آهن ، ۽ راند جا سنجيده شاگرد شايد ڏهاڪي يا وڌيڪ واپس وڃڻ وارا ڊيٽا مرتب ڪن. هر طريقي سان واپار هوندا آهن. هڪ مختصر ونڊو تازي رجحانات کي پڪڙي ٿو پر ڊگهي عرصي واري نمونن کي ياد ڪري سگهي ٿو. هڪ ڊگهو ونڊو وڌيڪ شمارياتي طاقت فراهم ڪري ٿو پر گهڻي گهڻي گهڻي گهڻي گهڻي حرڪت کي ڳجهي ڪري سگهي ٿو. اهم ڳالهه اها آهي ته مستقل هجڻ ۽ سمجهڻ آهي ته وڏي نموني جي سائيز عام طور تي وڌيڪ مستحڪم تعدد جو اندازو پيدا ڪن ٿيون.

توهان ميگا ملينز ويب سائيٽ کان سڌو سنئون سرڪاري ڊرائنگ ڊيٽا حاصل ڪري سگهو ٿا ، جيڪو هڪ تاريخي نتيجن جو آرڪائيو برقرار رکي ٿو. ڪيترائي ٽئين پارٽي لاٽري ڊيٽا گڏ ڪندڙ پڻ صاف ، ڊائون لوڊ ٿيندڙ ڊيٽا سي ايس وي يا جي ايس او فارميٽ ۾ مرتب ڪن ٿا. سنجيدگي سان تجزيو ڪرڻ لاءِ ، توهان هن ڊيٽا کي هڪ اسپريڊ شيٽ يا ڊيٽابيس ٽول ۾ درآمد ڪرڻ چاهيندا جتي توهان ترتيب ، فلٽر ۽ شمارياتي انگ اکر ڳڻپ ڪري سگهو ٿا.

ميگا ملين جي پويان رياضي

نموني جي سڃاڻپ ۾ گهمڻ کان اڳ ، راند جي امڪاناتي جوڙجڪ کي سمجهڻ ضروري آهي. پنجن سفيد بالن سان گڏ ميگا بال سان ملڻ جا موقعا 1 ۾ 302,575,350 آهن. اهي موقعا مقرر ڪيا ويا آهن ۽ ماضي جي ڇڪڻ جي بنياد تي تبديل نه ٿيندا آهن. هر ڇڪڻ هڪ آزاد واقعو آهي. تنهن هوندي ، بي ترتيب جي پابندي اندر ، ڪجهه نمبر ڪنهن به محدود نموني تي گهٽ يا گهٽ بار ظاهر ٿي سگهن ٿا. اهو آهي جتي نمونن جي سڃاڻپ اچي ٿي.

وڏي تعداد جو قانون اسان کي ٻڌائي ٿو ته ڊرا جي تمام ڊگهي سيريز دوران ، هر نمبر تقريبن برابر فريڪئنسي سان ظاهر ٿيڻ گهرجي. اڇن بالن (1 کان 70 تائين) لاءِ ، هر نمبر جي متوقع فريڪئنسي 5 ڊرا في راند آهي / (70 نمبر) = تقريبن 7.14٪ سڀني بال جي ظاهر ٿيڻ جي. ميگا بال (1 کان 25 تائين) لاءِ ، متوقع فريڪئنسي 1 / 25 = 4٪ سڀني ڊرا جي آهي. حقيقي نتيجا انهن اميدن جي چوڌاري ڦهلائيندا. سوال اهو آهي ته ڇا اهي ڦهلائڻيون قابل استعمال معلومات تي مشتمل هونديون آهن.

شماريات جي ماهرن مشاهدو ۽ متوقع فريڪئنسي جي وچ ۾ فرق کي انحراف طور بيان ڪيو آهي. جڏهن انحراف متوقع معياري انحراف جي نسبت وڏو آهي ، تعداد کي "گرم" يا "چردي" سمجهي سگهجي ٿو. پر اهو ياد رکڻ ضروري آهي ته بي ترتيب واري تسلسل قدرتي طور تي قطار پيدا ڪندي آهي. هڪ نمبر جيڪو 30 ڊرا ۾ ظاهر نه ٿيو آهي شايد درستگي جي ڪري سگهجي ٿو ، يا اهو صرف عام بي ترتيب واري خلا جو تجربو ڪري سگهي ٿو.

نموني جي سڃاڻپ جا طريقا

لاٽري ڊيٽا ۾ نمونن جي سڃاڻپ ۾ شمارياتي رجحانات جي سڃاڻپ شامل آهي جيڪي خالص بي ترتيب کان انحراف ڪن ٿيون. لاٽري تجزيه نگار عام طور تي ڪيترائي قائم ڪيل طريقا استعمال ڪندا آهن. هر طريقو مختلف ڌيان رکي ٿو ۽ مختلف قسم جي معلومات ظاهر ڪري سگهي ٿو.

فریکوئنسي تجزيو

فریکوئنسي تجزيو سڌو ترين ٽيڪنڪ آهي. توهان ڳڻيو ته هر اڇي بال نمبر ۽ هر ميگا بال نمبر توهان جي چونڊيل وقت جي ونڊو تي ڪيترا ڀيرا ڇڪيا ويا آهن. اعلي نمبرن سان نمبرن کي "گرم" ۽ گهٽ نمبرن سان نمبرن کي "چڪيل" قرار ڏنو ويو آهي. ڪجهه رانديگر صرف گرم نمبر چونڊي رهيا آهن ، انهي جو يقين رکندي ته اهي هڪ قطار ۾ آهن. ٻيا سرد نمبرن کي ترجيح ڏين ٿا ، انهي جو يقين رکندي ته اهي دير سان ٿي ويا آهن. ٻنهي طريقن تي هڪ ئي غلطي تي ٻڌل آهي ته ماضي جا نتيجا مستقبل جي ڇڪڻ تي اثر انداز ٿين ٿا ، پر مشق اڃا تائين ڊيٽا کي سمجهڻ لاءِ ڪارائتو ٿي سگهي ٿي.

فریکوئنسي تجزيو ڪرڻ لاءِ ، هر نمبر جي ڳڻپ ڏيکاريندي هڪ هسٽوگرافي ٺاهي. نمبر ڳوليو جيڪي هڪ کان وڌيڪ معياري انحراف کان مٿي يا هيٺ آهن. واقعي بي ترتيب واري نظام ۾ ، تقريبن 68 سيڪڙو نمبر هڪ معياري انحراف جي اندر هوندا ، 95 سيڪڙو ٻن اندر ، ۽ 99.7 سيڪڙو ٽن اندر. 95 سيڪڙو اعتماد جي وقف کان ٻاهر نمبر وڌيڪ ڌيان ڏيڻ جي ضرورت پوندي.

گرم ۽ ٿڌو نمبر

گرم ۽ ٿڌو درجه بندي فریکوئنسي تجزيو جو هڪ ذيلي مجموعو آهي پر ان جي مقبوليت جي ڪري پنهنجي بحث جو مستحق آهي. گرم نمبر اهي آهن جيڪي تازي ڇڪڻ ۾ اوسط کان وڌيڪ اڪثر ظاهر ٿيا آهن. ٿڌو نمبر اهي آهن جيڪي گهٽ ۾ گهٽ ظاهر ٿيا آهن. ڪجهه تجزيه نگار "آخري" کي بيان ڪرڻ لاءِ هڪ هلندڙ ونڊو استعمال ڪن ٿا ، جهڙوڪ گذريل 20 يا 50 ڇڪڻ. ٻيا هڪ مقرر ڪيل ڪئلينڊر دور استعمال ڪن ٿا ، جهڙوڪ گذريل ڇهن مهينن ۾.

هتي ڪوبه اتفاق ناهي ته ڇا گرم يا ٿڌو نمبر بهتر آهن. ڪيترن ئي راندين جي لاتوتي جي ڊيٽا جو 2018 جو مطالعو اهو معلوم ڪيو ته گرم نمبر مختصر عرصي تائين ٿورو تيز شرحن سان ظاهر ٿيڻ جاري رکندا هئا ، پر اثر نن wasو هو ۽ روايتي سطحن تي شمارياتي طور تي اهم نه هو. ٿڌو نمبر ڊگهي عرصي دوران وچولي طرف واپس اچڻ جو ڪمزور رجحان ظاهر ڪيو. عملي طور تي ، ڪنهن به حڪمت عملي کي بي ترتيب واري چونڊ تي ماپڻ وارو ڪنڊ فراهم نٿو ڪري.

جيڪڏهن توهان گرم ۽ ٿڌو نمبر استعمال ڪرڻ جو انتخاب ڪيو ٿا ، ٻنهي قسمن کي الڳ الڳ ٽريڪ ڪريو. هڪ معقول طريقو اهو آهي ته گرم نمبرن جو ميلاپ چونڊيو (انهن جي تازي سرگرمي لاءِ) ۽ ٿڌو نمبر (انهن جي امڪاني درستگي لاءِ) ، ڪجهه نمبرن سان گڏ جيڪي نه گرم آهن ۽ نه ئي ٿڌو آهن. هي متوازن حڪمت عملي ڪنهن ٻئي کان وڌيڪ يا گهٽ جیتڻ جو امڪان ناهي ، پر اهو وڌيڪ مطمئن محسوس ڪري سگهي ٿو.

تعداد جي گروهن ۽ جوڙن جي تجزيو

نمبر ڪلسٽرنگ کي جانچيو ويندو آهي ته ڇا ڪجهه نمبر اتفاق سان توقع کان وڌيڪ گڏ ظاهر ٿيندا آهن. مثال طور ، جيڪڏهن نمبر 17 ۽ 42 گذريل 200 ڊرائنگ ۾ هڪ ئي ڊرا ۾ ڏهن دفعا گڏ ظاهر ٿيا آهن ، اهو هڪ قابل ذڪر ڪلسٽر آهي. جوڙي جو تجزيو ٻن نمبرن جي سڀني ممڪن مجموعن کي ڏسي ٿو ۽ ڳڻيندو آهي ته هر جوڙو ڪيترا دفعا ظاهر ٿيو آهي.

توهان کي جوڙو تجزيو ڪرڻ لاءِ ، توهان کي گهٽ ۾ گهٽ ڪيترن ئي سو ڊرا سان گڏ هڪ ڊيٽا سيٽ جي ضرورت آهي. هر ڊرا لاءِ ، توهان وٽ پنجن اڇن بالن مان 10 ممڪن جوڙا آهن (5 چونڊيو 2 = 10). ڪيترن ئي ڊرا دوران ، توهان هر جوڙو جي متوقع گهڻي کي حساب ڪري سگهو ٿا ۽ ان کي مشاهدي واري گهڻي سان compareاڻيو. جوڙا جيڪي توقع کان گهڻو وڌيڪ گهڻو ظاهر ٿيندا آهن شايد حقيقي ڪلسٽر جي نشاندهي ڪن ، جيتوڻيڪ اثر عام طور تي نن isڙو هوندو آهي.

ڪجهه تجزيه نگار هن ٽن يا چئن ٽن تائين وڌايو، جيتوڻيڪ ڊيٽا جلدي گهٽ ٿي ويندي آهي. 70 سفيد بالن سان، 70 چونڊيل 3 = 54,740 ممڪن ٽن ٽن آهي. جيتوڻيڪ 1,000 ڊرا سان، اڪثر ٽن ٽن ڪڏهن به گڏ نه ظاهر ٿيندا. هي گهٽتائي ٽن ٽن جي تجزيو کي پيش ڪرڻ لاء ناقابل اعتماد بڻائي ٿي، پر اهو اڃا تائين دلچسپ ٿي سگهي ٿو ته تاريخي طور تي ڪهڙي نادر مجموعا ظاهر ٿي چڪا آهن.

تسلسل جا نمونا

تسلسل جي نمونن ۾ شامل آهي ته نمبرن جي ترتيب تي نظر وجهڻ جنهن ۾ نمبر ٺاهي رهيا آهن يا جسماني بال سيٽ تي نمبرن جي ترتيب. ميڪانيڪل ڊرائنگ مشين ۾ ، بالن کي ملايو ويندو آهي ۽ هڪ وقت ۾ هڪ چونڊيو ويندو آهي. ڪجهه تجزيه نگار اهو ڏسڻ لاءِ ڊرائنگ سيڪينس ۾ هر نمبر جي پوزيشن کي ٽريڪ ڪندا آهن (پهرين بال ڊرائنگ ، ٻي بال ڊرائنگ ، وغيره) ته ڇا ڪجهه پوزيشن ڪجهه نمبرن جي حق ۾ آهن. ڪوبه ثبوت ناهي ته پوزيشن جديد ، سٺي نموني برقرار رکيل مشينن ۾ اهم آهي ، پر ڊيٽا کي تجزيو ڪري سگهجي ٿو.

هڪ ٻيو قسم جي تسلسل جو نمونو هڪ ڏنل نمبر لاءِ ڇڪڻ جي وچ ۾ فرق آهي. جيڪڏهن هڪ نمبر عام طور تي هر 10 کان 15 ڇڪڻ ۾ ظاهر ٿئي ٿو پر هاڻي 30 ڇڪڻ ۾ ظاهر نه ٿيو آهي ، ته اهو فرق هڪ خارجي آهي. توهان هر نمبر لاءِ اوسط فرق جو حساب ڪري سگهو ٿا ۽ موجوده فرق کي ٽريڪ ڪري سگهو ٿا. غير معمولي طور تي وڏا موجوده فرق سان گڏ نمبر ڪڏهن ڪڏهن "اوورڊڊ" نمبر سڏيا ويندا آهن. ٻيهر ، هي هڪ وضاحت ڪندڙ انگ اکر آهي ، نه هڪ پيش گوئي ڪندڙ.

ڊيٽا جي تجزيو لاءِ اوزار

توهان کي ميگا ملينز جي ڊيٽا جو تجزيو ڪرڻ لاءِ قيمتي سافٽ ويئر جي ضرورت ناهي. ڪيترائي دستياب اوزار ڪم کي موثر طريقي سان سنڀاليندا آهن.

اسپريڊ شيٽ

Microsoft Excel ۽ گوگل شيٽز لاٽري ڊيٽا تجزيو لاءِ سڀ کان وڌيڪ رسائي وارا اوزار آهن. توهان سي ايس وي فائل جي طور تي ڊرائنگ ڊيٽا درآمد ڪري سگهو ٿا ، پوءِ گرم ۽ ٿڌو نمبرن جي سڃاڻپ لاءِ محور ٽيبل ، COUNTIF افعال ، ۽ مشروط فارميٽنگ استعمال ڪري سگهو ٿا. چارٽ ، خاص طور تي هسٽوگرامن ۽ لائن چارٽ ، رجحانن کي ڏسڻ ۾ مدد ڏين ٿا. ايڪسل جي تجزيو وارو اوزار پيڪ ايڊ-ان بنيادي شمارياتي افعال جهڙوڪ حرڪت وارو اوسط ۽ ٽي ٽيسٽ فراهم ڪري ٿو.

گوگل شيٽز کي مفت ۽ ڪلائوڊ تي ٻڌل هجڻ جو فائدو آهي ، توهان کي پنهنجي تجزيو ٻين سان شيئر ڪرڻ جي اجازت ڏئي ٿو. توهان مختلف طريقن سان ڊيٽا کي ٽوڙڻ لاءِ گوگل شيٽ جي تعمير ٿيل افعال جهڙوڪ سوال ۽ فلٽر استعمال ڪري سگهو ٿا. اڪثر آرامده تجزيه نگارن لاءِ ، هڪ اسپريڊ شيٽ ڪافي آهي.

شمارياتي سافٽ ويئر

وڌيڪ سختي سان تجزيو ڪرڻ لاءِ ، آر يا پٿون استعمال ڪرڻ تي غور ڪريو. ٻئي مفت آهن ۽ ڊيٽا جي هٿرادو ۽ بصري ڪرڻ لاءِ وسيع لائبريريون آهن. آر ۾ ، dplyr پيڪيج توهان کي ڊيٽا کي موثر طريقي سان فلٽر ڪرڻ ، گروپ ڪرڻ ۽ خلاصو ڪرڻ جي اجازت ڏئي ٿو. ggplot2 پيڪيج اشاعت جي معيار جا چارٽ پيدا ڪري ٿو. پٿون پانڊا ، نمبر پي ۽ ميٽ پيٽ ليب سان ساڳيون صلاحيتون پيش ڪري ٿو.

R يا Python سان ، توهان آزمائي سگهو ٿا ته ڇا مشاهدو ڪيل نمونن جي شمارياتي اهميت آهي. مثال طور ، توهان 100 ڊرائنگ جي 10,000،XNUMX بي ترتيب واري تسلسل کي نقلي ڪري سگهو ٿا ۽ گرم / ٿڌو ڳڻپ جي تقسيم کي حقيقي ڊيٽا ۾ توهان جي مشاهدي سان مقابلو ڪري سگهو ٿا. هن مونٽ ڪارلو طريقي سان توهان کي اهو دعوي ڪرڻ لاءِ سخت بنياد ڏئي ٿو ته هڪ خاص نمونو غير معمولي آهي (يا نه آهي)

وقف ٿيل لاٽري تجزيو ويب سائيٽون

ڪيتريون ئي ويب سائيٽون ميگا ملينز لاءِ اڳ-حساباتي انگ اکر پيش ڪن ٿيون. اهي سائيٽون هر نئين ڊرا سان پاڻمرادو اپڊيٽ ٿينديون آهن ۽ فريڪئنسي چارٽ ، جوڙي واري ٽيبل ، ۽ رجحان گراف فراهم ڪنديون آهن. جڏهن ته آسان ، انهن سائيٽن ۾ شايد حدون آهن ته توهان تجزيو ڪيئن ترتيب ڏئي سگهو ٿا. اهي هڪ سٺو شروعاتي نقطو آهن ، پر سنجيده تجزيه نگار مخصوص سوال پڇڻ لاءِ پنهنجا اوزار ٺاهڻ چاهيندا.

هڪ معتبر ذريعو آهي لٽري تنقيد جي ميگا ملينز جي شمارياتي صفحي ، جيڪا تعدد ڊيٽا ۽ جوڙي تجزيو فراهم ڪري ٿي. ٻيو آهي آمريڪا ميگا جي شمارياتي حصي ، جيڪو تعداد ۽ پوزيشن جي تفصيلي ڀڃڪڙي پيش ڪري ٿو.

پنهنجي تجزيو جو نظام ٺاهيو

ذاتي تجزيو جو نظام ٺاهڻ هڪ ثواب بخش منصوبو ٿي سگهي ٿو. هتي هڪ اسپريڊ شيٽ ۾ بنيادي نظام کي ٺاهڻ لاءِ قدم بہ قدم رستو آهي.

قدم 1: صاف ڊيٽا گڏ ڪريو

هڪ معتبر ذريعو کان تاريخي ڇڪڻ ڊيٽا ڊائون لوڊ ڪريو. ڊيٽا ۾ ڇڪڻ جي تاريخ، پنجن اڇن بال نمبر ۽ ميگا بال نمبر شامل آهن. ڊيٽا کي صاف ڪريو ڪنهن به قطار کي ختم ڪندي جنهن ۾ گم ٿيل يا واضح طور تي غلط داخلا آهن. ڊيٽا کي تاريخ جي ترتيب سان ترتيب ڏيو. پنهنجي خام ڊيٽا لاءِ هڪ الڳ شيٽ يا ٽيب ٺاهيو ۽ ڪڏهن به ان کي سڌو سنئون ترميم نه ڪريو.

قدم 2: بنيادي انگن اکرن کي حساب ڪريو

هر اڇي بال نمبر (1 کان 70 تائين) لاءِ ، ڳڻيو ته اهو ڪيترا دفعا ڊيٽا سيٽ ۾ ظاهر ٿيو آهي. ڊرا جو سيڪڙو حساب ڪريو جنهن ۾ هر نمبر ظاهر ٿئي ٿو. ميگا بال نمبرن (1 کان 25 تائين) لاءِ ساڳيو ڪم ڪريو. توهان ايڪسل يا گوگل شيٽ ۾ COUNTIF فنڪشن استعمال ڪري سگهو ٿا: =COUNTIF(A2:A1000، 1) ڳڻيو ته نمبر 1 ڪيترا دفعا A2 کان A1000 جي حد ۾ ظاهر ٿئي ٿو.

قدم 3: گرم ۽ ٿڌو نمبر معلوم ڪريو

فریکوئنسي ڳڻپ جي وچولي ۽ معياري انحراف کي حساب ڪريو. گرم نمبرن کي انهن سان بيان ڪريو جن جو تعداد وچولي کان مٿي آهي ۽ هڪ معياري انحراف. ٿڌي نمبرن کي انهن جي وچ ۾ نمبرن جي وچ ۾ غير جانبدار آهن. هر نئين ڇڪڻ کانپوءِ انهن درجه بندي کي اپڊيٽ ڪريو.

قدم 4: ريڪ جوڙو ۽ ڪلسٽر

هر ڇڪڻ لاءِ ، هر ظاهر ٿيندڙ جوڙي لاءِ ڳڻپ وڌايو. ڪيترن ئي ڇڪڻ کان پوءِ ، ڳڻپ سان جوڙا ڳوليو جيڪي توقع ڪيل قيمت کان گهڻو مٿي آهن. هڪ جوڙي لاءِ متوقع ڳڻپ آهي (گهڻيون ڇڪڻ جو تعداد * 10) / (70 چونڊيو 2) ، جيڪو تقريبن آهي (گهڻيون ڇڪڻ جو تعداد * 10) / 2415.

قدم 5: رجحانن کي تصور ڪريو

هڪ لائن چارٽ ٺاهيو جيڪو هر گرم نمبر جي گڏيل گهڻي وقت کي ظاهر ڪري ٿو. اهو توهان کي ڏسڻ جي اجازت ڏئي ٿو ته ڇا هڪ گرم نمبر اڃا تائين وڌي رهيو آهي يا وڌي چڪو آهي. ريورشن جي نشانين جي نگراني لاءِ ٿڌي نمبرن لاءِ هڪ ساڳيو چارٽ ٺاهيو. پنهنجي اسپريڊ شيٽ ۾ رنگن جي ڪوڊ نمبرن جي موجوده حالت جي بنياد تي مشروط فارميٽنگ استعمال ڪريو.

ترقي يافته تجزياتي ٽيڪنالاجي

تجزيه نگارن لاءِ جيڪي وڌيڪ گهيرو ڪرڻ چاهيندا آهن، لاٽري ڊيٽا تي ڪيترائي جديد طريقا لاڳو ٿي سگهن ٿا.

وقت جي سيريز جو تجزيو

وقت سيريز جا طريقا نمبر جي ظاهر ۾ رجحانات ۽ چڪر کي ڳولي سگهن ٿا. حرڪت واري اوسط مختصر مدت جي ڦرندڙن کي سست ڪري ڇڏيندا آهن ۽ ڊگهي مدت جي رجحانن کي اجاگر ڪندا آهن. هر نمبر لاءِ 10 ڇڪڻ واري حرڪت واري اوسط ڏيکاري ٿي ته ڇا ان جي ظاهر ٿيڻ جي شرح مٿي يا هيٺ آهي. تعريفي ڇڪڻ تازي ڇڪڻ تي وڌيڪ وزن ڏيندو آهي ۽ پراڻن کي گهٽ ، انهي ڪري ته اهو تازي تبديلين تي وڌيڪ جوابدار هوندو آهي.

موسمي خرابي ظاهر ڪري سگهي ٿي ته ڇا سال جي ڪجهه وقتن تي ڪجهه نمبر وڌيڪ اڪثر ظاهر ٿيندا آهن. جڏهن ته لاٽري ڊرا ۾ موسمييت جو ڪوبه جسماني سبب ناهي ، انساني رويو نمونن کي متعارف ڪرائي سگهي ٿو. مثال طور ، وڏي جڪپوٽ دوران وڌيڪ ٽڪيٽون وڪرو ڪيون وينديون آهن ، پر اهو خود ڊرا تي اثر نٿو پوي. اڃا تائين ، موسمييت لاءِ تجزيو هڪ جائز شمارياتي مشق آهي.

مشين جي سکيا جا طريقا

ڪجهه تجزيه نگارن کي نيورل نيٽ ورڪن، فيصلي جي وڻ، ۽ سپورٽ ويڪٽر مشينن سميت لاٽري ڊيٽا تي مشين لرننگ الگورتھم لاڳو ڪيا آهن. اهي طريقا پيچيده غير لائينر نمونن کي ڳولڻ جي ڪوشش ڪن ٿا جيڪي روايتي انگن اکرن کي وڃائي سگهن ٿيون. عملي طور تي، نتيجا مايوس ڪندڙ ٿي ويا آهن ڇاڪاڻ ته سگنل-ڪ noiseو تناسب انتهائي گهٽ آهي. لاٽري جي بي ترتيب واري ڇڪڻ ڪنهن به نازڪ نموني کي غالب ڪري ٿي جيڪا موجود ٿي سگهي ٿي.

جيڪڏهن توهان مشين جي سکيا سان تجربو ڪرڻ جو انتخاب ڪيو ٿا ، overfitting کان بچڻ لاءِ مناسب ڪراس تصديق جو استعمال ڪريو. هڪ ماڊل جيڪو مڪمل طور تي ماضي جي ڇڪڻ جي اڳڪٿي ڪري ٿو پر نئين ڇڪڻ تي ناڪام ٿي وڃي ٿو بي فائدو آهي. لاٽري ڊيٽا جي اڪثر مشين جي سکيا جي مطالعي جو نتيجو اهو آهي ته ڪو به ماڊل بي ترتيب کان مستقبل جي ڇڪڻ جي بهتر اڳڪٿي نٿو ڪري سگهي. مشق مشين جي سکيا بابت سکڻ لاءِ قيمتي آهي پر لاٽري جي حڪمت عملي کي بهتر بڻائڻ لاءِ نه.

پابنديون ۽ احتياط

اهو ضروري آهي ته توهان واضح اکين سان لاٽري ڊيٽا جي تجزيو کي ويجهو ڪريو. سڀ کان اهم حقيقت اها آهي ته لاٽري جا ڇڪتاڻ تصادفي طور تي ٺهيل آهن. رياستي لاٽري سرٽيفڪيٽ ٿيل تصادفي نمبر جنريٽر يا ميڪانيڪل ڇڪتاڻ واري مشين استعمال ڪن ٿيون جيڪي باقاعده طور تي انصاف جي جانچ لاءِ ڪيون وينديون آهن. توهان جيڪو به نمونو ڳولي سگهو ٿا تقريبن يقيني طور تي هڪ تصادفي ڦرندڙ آهي جيڪو برقرار نه رهندو.

انساني دماغ ۾ نمونن کي ڳولڻ لاءِ ڪيبل ٿيل آهي، جيتوڻيڪ جتي ڪوبه موجود ناهي. هن ظاهري کي اپوفينيا سڏيو ويندو آهي. جڏهن توهان هزارين ڊيٽا پوائنٽن کي ڏسندا آهيو، توهان کي لازمي طور تي اھم نظر اچن ٿا جيڪي ڪلسٽر، قطار ۽ اتفاق آهن. انهن مان گهڻا اهي آهن جيڪي شمارياتدان "ڪلام" سڏين ٿا. جيڪي ڪجهه حقيقي آهن عام طور تي اڳڪٿي ڪرڻ لاءِ تمام ننڍا هوندا آهن.

هڪ ٻيو خطرو تصديق جي تعصب آهي. هڪ دفعو توهان هڪ نموني کي سڃاڻو ڪيو ، توهان ثبوت ڳولڻ جو رجحان رکندا آهيو جيڪو ان جي تصديق ڪري ٿو ۽ ان جي تضاد ڪندڙ ثبوت کي نظرانداز ڪري ٿو. هڪ رانديگر جيڪو يقين رکي ٿو ته گرم نمبر خوش قسمت آهن جڏهن گرم نمبر ظاهر ٿيندا آهن ته فتح ياد رکندو ۽ نقصان وساريندو. توهان جي اڳڪٿين ۽ انهن جي نتيجن جو لکيل لاگ رکڻ هن تعصب کي منهن ڏيڻ ۾ مدد ڪري سگهي ٿي.

آخرڪار ، ياد رکو ته لاٽري کيڏڻ هميشه سستي ۽ مزو ڏيڻ گهرجي. ڪڏهن به لاٽري ٽڪيٽ تي پئسا خرچ نه ڪريو جيڪي توهان وڃائڻ جي متحرڪ نه ٿي ڪري سگهو. وڏي انعام جي فتح جي odds زبردست آهن ، ۽ ڊيٽا جو ڪوبه مقدار ان کي تبديل نٿو ڪري سگهي. نموني جي سڃاڻپ کي راند سان ذهني طور تي مشغول ڪرڻ جو طريقو استعمال ڪريو ، نه ته مالي فائدي جي پيروي ڪرڻ جي حڪمت عملي جي طور تي.

جيڪڏهن توهان يا ڪنهن کي توهان جي سڃاڻپ جو مسئلو آهي ، مدد موجود آهي. نيشنل ڪائونسل آف مسئلو جوا تي هڪ هيلپ لائن (1-800-522-4700) ۽ ذميوار راند لاءِ وسيلا پيش ڪري ٿي. ذميوار راند فائونڊيشن پڻ جوا جي خطرن بابت تعليمي مواد فراهم ڪري ٿي.

عملي طور تي استعمال: هڪ هفتيوار تجزيو جو معمول ٺاهڻ

جيڪڏهن توهان ڊيٽا جو تجزيو توهان جي لاٽري ۾ شرڪت جو باقاعده حصو بڻائڻ چاهيو ٿا ، هڪ معمولي ترتيب ڏيو. هر اڱارو ۽ جمعه جي رات جي ڇنڊڇاڻ کانپوءِ ، پنهنجي ڊيٽا سيٽ کي نئين نمبرن سان تازه ڪاري ڪريو. پنهنجي فريڪئنسي تجزيو هلايو ۽ پنهنجي گرم ۽ ٿڌي لسٽن کي تازه ڪاري ڪريو. ڪنهن به اهم تبديلي کي نوٽ ڪريو ، جهڙوڪ هڪ نمبر ٿڌو کان غير جانبدار يا غير جانبدار کان گرم ڏانهن منتقل ٿي رهيو آهي.

ايندڙ ڇڪڻ کان اڳ، توهان جي تجزيو استعمال ڪندي پنجن اڇن بالن ۽ هڪ ميگا بالن جو هڪ سيٽ ٺاهيو. توهان ٻه گرم نمبر، ٻه ٿڌو نمبر ۽ هڪ غير جانبدار نمبر چونڊيندا آهيو. ميگا بال لاءِ، پنهنجي پنهنجي معيار جي بنياد تي چونڊيو، شايد موجوده گرم ميگا بال يا هڪ ٿڌو جيڪو دير سان ٿي چڪو آهي. توهان جي چونڊ ۽ هر چونڊ جو سبب لکو.

ڇڪڻ کان پوءِ ، پنهنجي چونڊ کي حقيقي نتيجن سان مقابلو ڪريو. ڇا توهان جو استدلال برقرار رهيو؟ جيڪڏهن توهان هڪ ٿڌو نمبر چونڊيو ڇاڪاڻ ته اهو دير سان ٿي ويو ، ڇا اهو ظاهر ٿيو؟ جيڪڏهن نه ، اهو ظاهر ٿيڻ کان اڳ ڪيترا ڇڪڻ لڳا؟ هن قسم جي ٽريڪنگ توهان جي تجزياتي درستگي جو ذاتي ڊيٽابيس ٺاهي ٿي. ڪيترن ئي ڇڪڻ جي ذريعي ، توهان پنهنجي ڇڪڻ جي شرح جو حساب ڪري سگهو ٿا ۽ ڏسو ته ڇا اهو مختلف آهي ته ڇا بي ترتيب واري چونڊ پيدا ڪندي.

اڪثر رانديگرن کي اهو معلوم ٿئي ٿو ته انهن جي ڪاميابي جي شرح توقع ڪيل قيمت جي ويجهو آهي، انهي جي تصديق ڪندي راند جي بي ترتيبيت. پر منظم تجزيو ۽ ٽريڪنگ جو عمل پاڻ ۾ مزو ڏئي سگهي ٿو. اهو لاٽري کي راند ڪرڻ کي هڪ ذهني شوق ۾ بدلجي ٿو.

نتيجو

ميگا ملينز جو تجزيو نمونن جي سڃاڻپ ۽ حڪمت عملي جي واڌاري لاءِ ڊيٽا ڪ drawڻ هڪ دلچسپ مشق آهي جيڪا شماريات ، ڊيٽا جي تصور ۽ رويي جي نفسيات کي گڏ ڪري ٿي. جڏهن ته اهو راند جي بنيادي بي ترتيب کي ختم نٿو ڪري سگهي ، اهو توهان جي امڪانيت جي سمجھ کي گہرائي نٿو ڪري سگهي ۽ توهان جي لاٽري ۾ حصو وٺڻ کي وڌيڪ سوچڻ ۽ مشغول ڪري سگهي ٿو. فريڪئنسي تجزيو ، گرم ۽ ٿڌو ٽريڪنگ ، جوڙي تجزيو ، ۽ ٽائيم سيريز طريقا هر هڪ مختلف لينس پيش ڪن ٿا جنهن ذريعي ڊيٽا ڏسڻ لاءِ. جديد اوزار جهڙوڪ اسپريڊ شيٽ ، آر ۽ پٿون انهن تجزين کي بنيادي فني صلاحيتن سان ڪنهن به شخص لاءِ دستياب بڻائي ٿو.

سڀ کان اهم نڪتو اهو آهي ته توهان واضح ۽ حقيقي ذهنيت سان لاٽري کي ڏسندا آهيو. ڊيٽا جو تجزيو سمجهڻ لاءِ هڪ اوزار آهي ، ڪاميابي جي ضمانت ناهي. ان کي پنهنجي تجسس کي مطمئن ڪرڻ ، پنهنجي سوچ کي چئلينج ڪرڻ ۽ راند جو ذميوار لطف اندوز ٿيڻ لاءِ استعمال ڪريو. سخت تجزيو ۽ نظم و ضبط واري راند کي گڏ ڪندي ، توهان هڪ سادو موقعو راند کي هڪ معنيٰ واري ذهني جستجو ۾ تبديل ڪري سگهو ٿا.