А. Г., не получится. Нужны те же участники.
Смоделируйте на монетке и все увидите. Скажем, 1000 участников, по тысяче на рыло, ставка рубль. Посмотрите сколько останется в живых через год интенсивной торговли…
3Qu, сколько испытаний? Все же считается без моделирования: сумма большого числа независимых случайных величин со средним нуль и конечными дисперсиями имеет в пределе нормальное распределение со средним нуль и дисперсией(!), линейно(!) зависящей от числа слагаемых.
3Qu, для независимых случайных величин со средним нуль это не так. Конечно за счет комиссий биржи, брокеров и спредов мы имеем слабо отрицательное среднее, но нормальность с ее медианой, равной среднему, никто не отменит. Если и будет смещение, то исключительно за счет ушедших, причем, как с убытком, так и с прибылью. Кстати, по имеющейся у меня статистике брокеров, люди чаще всего уходят с -20% от счета до плюса меньше 1,5 ставок банков. При -30% и больше большинство продолжает, как и при плюсе больше пары ставок банков.
А. Г., не нада никаких комиссий.
Рассмотрим простейший случай, 1024, человека, у каждого по одной монетке. Каждый находит себе пару и делают противоположные ставки. Уже осталось 512 чел.
Если поставить весь выигрыш, то пойдет по нисходящей 256, 128, 64,....2, 1. Все деньги у одного за 10 ставок.
Если у них больше денег и ставка не на все, то это замедлит процесс, но не изменит результат.
Рассмотрим простейший случай, 1024, человека, у каждого по одной монетке.
Ну кто же играет «пан или пропал»? Возьмем проще: два игрока со 100 руб. начинают играть в «орлянку» со ставкой по рублю. Играют 1000 бросаний. Так вот, вероятность того, что один из них проиграет больше 50% капитала (второй, соответственно, выиграет), 1.4*10-3. А то, что один из них «сольется в нуль» 1.8*10-10 Для 1000 руб. и 10000 бросаний все еще лучше: первая вероятность меньше 10-21, вторая меньше 10-86 .
Ну а вероятность получить прибыль 1/2.
Если возьмем 1000 игроков с 1000 руб., каждый из которых делает по 10000 бросаний, при каждом бросании случайно выбирая контрагента, то для любого одного отдельно взятого игрока вероятности будут те же, что и выше.
А. Г., Я уже все это делал в Python для СБ на основе норм. распределения и постоянной ставкой аля рынок.
Через некоторое время в существенном выигрыше оставались ~20%. Остальные, либо проигрывали, либо выигрыш был несущественным.
Игры с выбыванием участников, это несколько другие игры.
При случае, когда время будет, повторю с графиками развития событий.
Смоделируйте на монетке и все увидите. Скажем, 1000 участников, по тысяче на рыло, ставка рубль. Посмотрите сколько останется в живых через год интенсивной торговли…
Рассмотрим простейший случай, 1024, человека, у каждого по одной монетке. Каждый находит себе пару и делают противоположные ставки. Уже осталось 512 чел.
Если поставить весь выигрыш, то пойдет по нисходящей 256, 128, 64,....2, 1. Все деньги у одного за 10 ставок.
Если у них больше денег и ставка не на все, то это замедлит процесс, но не изменит результат.
Ну кто же играет «пан или пропал»? Возьмем проще: два игрока со 100 руб. начинают играть в «орлянку» со ставкой по рублю. Играют 1000 бросаний. Так вот, вероятность того, что один из них проиграет больше 50% капитала (второй, соответственно, выиграет), 1.4*10-3. А то, что один из них «сольется в нуль» 1.8*10-10 Для 1000 руб. и 10000 бросаний все еще лучше: первая вероятность меньше 10-21, вторая меньше 10-86 .
Ну а вероятность получить прибыль 1/2.
Если возьмем 1000 игроков с 1000 руб., каждый из которых делает по 10000 бросаний, при каждом бросании случайно выбирая контрагента, то для любого одного отдельно взятого игрока вероятности будут те же, что и выше.
Через некоторое время в существенном выигрыше оставались ~20%. Остальные, либо проигрывали, либо выигрыш был несущественным.
Игры с выбыванием участников, это несколько другие игры.
При случае, когда время будет, повторю с графиками развития событий.