סטאַטיסטיק אין שפּיל טעאָריע
שפּיל טעאָריע איז אַ צווייַג פון מאַטעמאַטיק וואָס שטודירט סטראַטעגישע באַשלוס-מאכן ווען איין שפּילערס רעזולטאַט איז אָפּהענגיק פון די אַקציעס פון אַנדערע שפּילער. עס ווערט ברייט גענוצט אין עקאָנאָמיק, ביזנעס, פּאָליטישע וויסנשאַפֿט, קאָמפּיוטער וויסנשאַפֿט, און אפילו עוואָלוציאָנערע ביאָלאָגיע. אָבער, אין פּראַקטיק, זענען סטראַטעגישע סיטואַציעס זעלטן "קלאָר" און גאָר קאַלקולירבאַר בלויז פֿון דער הנחה פון ראַציאָנאַליטעט. דאָס איז וווּ סטאַטיסטיק שפּילט אַ קריטישע ראָלע: העלפֿן צו קוואַנטיפיצירן אומזיכערקייט, אָפּשאַצן קעגנער נאַטור, אָפּשאַצן די עפעקטיווקייט פון סטראַטעגיעס, און פּרובירן צי אַ שפּיל טעאָריע מאָדעל פּאַסט צו פאַקטישע דאַטן.
1. פארוואס דארף שפּיל טעאָריע סטאַטיסטיק?
אין קלאַסישע שפּיל טעאָריע מאָדעלן, באַקומען מיר אָפט פולשטענדיקע אינפֿאָרמאַציע: די רשימה פון שפּילער, די סכום סטראַטעגיעס, און די פּראָפֿיטן (פּראָפֿיטן/פֿאַרלוסטן) פֿאַר יעדער סטראַטעגיע קאָמבינאַציע. מיט דער אינפֿאָרמאַציע קענען מיר געפֿינען לייזונגען ווי נאַש גלייכגעוויכטן, דאָמינאַנטע סטראַטעגיעס, אָדער מינימאַקס לייזונגען. אָבער, אין דער ווירקלעכער וועלט, זענען די עלעמענטן אָפט אומבאַקאַנט מיט זיכערקייט:
1. די באַלוינונג איז אומבאַקאַנט אָדער שווער צו מעסטן. למשל, אין פּרייַז קאָנקורענץ צווישן קאָמפּאַניעס, איז די באַלוינונג נישט אַ פאַרפעסטיקטע נומער, נאָר דעפּענדס אויף מאַרק פאָדערונג, פּראָדוקציע קאָסטן, גאַנצע און אַנדערע פונדרויסנדיקע סיבות.
2. שפּילער נאַטור איז נישט שטענדיק גאָר ראַציאָנעל. שפּילער קענען מאַכן טעותים, האָבן באַגרענעצטע אינפֿאָרמאַציע, אָדער דערפאַרן קאָגניטיווע בייאַסיז.
3. די באאבאכטעטע דאטן זענען צופעליק און מיט גערודער. מיר זעען אפשר נאר א געשיכטע פון אקציעס און רעזולטאטן, נישט די אקטועלע פרעפערענצן.
4. די סביבה ענדערט זיך. סטראַטעגיעס וואָס זענען אָפּטימאַל היינט קענען ווערן ווייניקער עפעקטיוו מאָרגן צוליב ענדערונגען אין פּאָליטיק, טעכנאָלאָגיע אָדער טרענדס.
סטאַטיסטיק גיט מכשירים צו האַנדלען מיט דעם אומזיכערקייט: פון אינפערענץ, שאַצונג, פאָרויסזאָגן, ביז לערנען פון דאַטן (דאַטן-געטריבן שפּיל טעאָריע).
2. שאַצונג פון שפּילער סטראַטעגיע און "גלויבן"
פילע שפּיל מאָדעלן אַרייַננעמען גלויבונגען וועגן די קעגנער'ס אַקציעס. אין איבערגעחזרטע שפּילן אָדער בייסיאַנישע שפּילן, דאַרפן שפּילער אָפּשאַצן:
– די ווארשיינליכקייט אז דער קעגנער וועט אויסקלויבן א געוויסע סטראטעגיע,
– קעגנער טיפ (למשל "אַגרעסיוו" אדער "קאָאָפּעראַטיוו"),
– מעגלעכע ענדערונגען אין דעם קעגנער'ס סטראַטעגיע איבער צייט.
דאָ קומען אַרײַן די קאָנצעפּטן פֿון וואַרשענלעכקייט און סטאַטיסטיק. למשל, אויב אַ קעגנער קלייַבט סטראַטעגיע A 60 מאָל פֿון 100 רונדעס, איז אַ פּשוטע אָפּשאַצונג פֿון דער וואַרשענלעכקייט 0,6. אָבער, סטאַטיסטיק דערמעגלעכט אַ מער נואַנסירטן צוגאַנג:
– צוטרוי אינטערוואַלן צו מעסטן שאַצונג אומזיכערקייט.
– בייעסישע מאָדעלן (למשל ביתא פּריאָרן פֿאַר אַקציע וואַרשיינלעכקייטן) צו מאַכן שאַצונגען מער סטאַביל ווען דאַטן זענען זעלטן.
– מאַרקאָווישע מאָדעלן אדער פֿאַרבאָרגענע מאַרקאָוו מאָדעלן (HMM) צו באַשרײַבן קעגנער וואָס גייען צווישן סטראַטעגישע "מאָדן", למשל פֿון קאָאָפּעראַטיוו צו קאָנקורענטפֿעיִק.
דורך שאצן די פארשפרייטונג פון א קעגנער'ס אקציעס, קען א שפּילער אַנטוויקלען אַ מער גענויע בעסטע רעאַקציע סטראַטעגיע.
3. סטאַטיסטיק אין שפּילן מיט אומפארענדיקטע אינפֿאָרמאַציע (בייזישע שפּילן)
אין בייעסישע שפילן, ווייסן שפּילער נישט וויכטיקע פּאַראַמעטערס—ווי קאָסטן, ווערטן, אדער קעגנער'ס פּרעפֿערענצן—אָבער זיי האָבן יאָ וואַרשיינלעכקייט פאַרשפּרייטונגען איבער די פּאַראַמעטערס. א קלאַסישער בייַשפּיל איז אַן אויקציע: יעדער באַטייליקטער האט אַ פּריוואַטע ווערט פון דעם זאַך וואָס ווערט אויקציעד, און די ווערט פאַרשפּרייטונג קען מען לערנען פון היסטאָרישע דאַטן.
סטאַטיסטיק שפּילט אַ ראָלע אין צוויי הויפּט זאַכן:
1. שאַצן די פאַרשפּרייטונג פון שפּילער טיפּן. ניצנדיק פאַרגאַנגענע ליציטאַציע דאַטן (ביד פּרייזן, געווינער, לעצט פּרייזן), קענען מיר אויספירן די פאַרשפּרייטונג פון טיילנעמער וואַליואַציעס.
2. קאליברירן דעם מאָדעל. צי פּאַסט דער "ערשטער-פּרייז" אָדער "צווייטער-פּרייז" ליציטאַציע מאָדעל בעסטן צום דאַטן נאַטור? מיר קענען פאַרגלייַכן מאָדעלן ניצנדיק ליקעליהאָאָד, AIC/BIC, אָדער קראָס-וואַלידאַציע.
אזוי, דער קאנצעפט פון בייעסיאנישן גלייכגעוויכט איז נישט נאר א טעארעטישע לייזונג, נאר קען ווערן פארבונדן מיט עמפּירישע דאטן.
4. היפּאָטעזיס טעסטינג אין סטראַטעגישע נאַטור
שפּיל טעאָריע מאַכט אָפט פאָרויסזאָגן: למשל, אין אַ קאָאָרדינאַציע שפּיל, וועלן שפּילער אויסקלײַבן געוויסע גלייכגעוויכט פונקטן. סטאַטיסטיק קען געניצט ווערן צו פּרובירן צי די פאָרויסזאָגן זענען ריכטיק אין לאַבאָראַטאָריע עקספּערימענטן אָדער פעלד דאַטן.
למשל, אין דעם "Prisoner's Dilemma" שפּיל, פאָרויסזאָגט קלאַסישע טעאָריע אָפּפֿאַלן ווי די דאָמינירנדיקע סטראַטעגיע. אָבער, אין עקספּערימענטן, קאָאָפּערירן אַ סך מענטשן טאַקע איבער אַ צאָל רונדעס. סטאַטיסטיק העלפֿט ענטפֿערן די פֿראַגע:
– איז דער לעוועל פון קאאפעראציע באדייטנד העכער ווי טעאריע פאראויסזאגט?
– וואָסערע פֿאַקטאָרן פֿאַרגרעסערן קאָאָפּעראַציע (ינסענטיוון, קאָמוניקאַציע, שטראָף)?
– צי קולטורעלע אדער גרופע אונטערשיידן ווירקן אויף די רעזולטאטן?
אָפט גענוצטע מעטאָדן אַרייַננעמען פּראָפּאָרציע טעסץ, כי-קוואַדראַט טעסץ, לאָגיסטישע רעגרעסיע, און געמישט-עפעקטן מאָדעלן פֿאַר ריפּיטיד דאַטן.
5. רעגרעסיע און עקאָנאָמעטרישע מאָדעלן פֿאַר פּראָפֿיטן און סטראַטעגיעס
אין געשעפטלעכע און עקאנאמישע קאנטעקסטן, ווערן באצאלונגען אפט באאיינפלוסט דורך אסאך וועריאַבלען. למשל, א פירמע'ס פראפיטן הענגען נישט נאר אפ פון די פרייזן אויסגעקליבן דורך די פירמע און קאנקורענטן, נאר אויך פון קאנסומער איינקונפט, סעזאנאלע קאסטן, לאגיסטיק קאסטן, און פראמאציעס.
סטאַטיסטיק גיט מכשירים ווי:
– לינעאַרע/נישט-לינעאַרע רעגרעסיע צו פֿאַרבינדן סטראַטעגיע מיט רעזולטאַטן.
– פּאַנעל דאַטן מאָדעל צו פאַרגלייַכן פאַרשידענע קאָמפּאַניעס איבער צייט.
– אינסטרומענטאַלע וועריאַבלען ווען עס איז דא א סיבה-און-ווירקונג פּראָבלעם (ענדאָגעניטי), למשל, פרייז ווערט באַאיינפלוסט דורך נאָכפֿראַגע און אויך באַאיינפלוסט די נאָכפֿראַגע.
מיט עקאָנאָמעטרישע מאָדעלן, קענען מיר אָפּשאַצן מער רעאַליסטישע "פּייאָף פונקציעס", און דערנאָך אַרײַננעמען די שאַצונגען אין שפּיל טעאָריע אַנאַליז.
6. לערנען אין שפּילן: פֿון דאַטן ביז סטראַטעגיע
אין דער תקופה פון דאַטן און קאָמפּיוטינג, שפּיל טעאָריע אָפט קראָסט זיך מיט מאַשין לערנען. פילע מאָדערנע סטראַטעגישע סיטואַציעס - אַזאַ ווי דיגיטאַל גאַנצע, דינאַמיש פּרייַז רעקאָמענדאַציעס, אָדער סייבער זיכערהייט - אַרייַנציען פּלייַערס לערנען פון דאַטן.
עטלעכע וויכטיגע קאנצעפטן וואָס קאָמבינירן סטאַטיסטיק און שפּיל טעאָריע זענען:
– מולטי-ארמיקער באַנדיט: דער אַגענט קלייבט אַקציעס צו באַלאַנסירן עקספּלאָראַציע (זוכן אינפֿאָרמאַציע) און עקספּלויטאַציע (מאַקסימיזירן די באַלוינונג).
– פארשטארקונג לערנען (RL): אגענטן לערנען זיך אפטימאלע סטראטעגיעס דורך פרובירן-און-טעות אין א סביבה וואס קען ארייננעמען אנדערע אגענטן.
– אָנליין לערנען אין שפּילן: אַלגעריטמען ווי למשל מאַלטיפּליקאַטיווע וואָג צו דערגרייכן גלייכגעוויכט אין איבערגעחזרטע שפּילן.
אין עיקר, סטאַטיסטיק ווערט גענוצט צו דערהייַנטיקן שאַצונגען באזירט אויף אָבסערוואַציעס, בשעת שפּיל טעאָריע העלפֿט פֿאַרשטיין סטראַטעגישע ינטעראַקשאַנז צווישן לערן אַגענטן.
7. מאָנטע קאַרלאָ סימולאַציע פֿאַר סטראַטעגיע עוואַלואַציע
שפּילן זענען אָפט צו קאָמפּליצירט צו ווערן אַנאַליזירט אַנאַליטיש. למשל, שפּילן מיט פילע שפּילער, גרויסע סטראַטעגיע פּלעצער, אָדער קאָמפּלעקסע איטעראַטיווע דינאַמיק. אין די פאַלן, סימולאַציעס צושטעלן אַ שטאַרקע בריק.
מאָנטע קאַרלאָ מעטאָדן ווערן גענוצט צו:
– סימולירן פילע סצענאַרן פון קעגנער'ס אַקשאַנז,
– מאָדעלירן פּאַראַמעטער אומזיכערקייט,
– מעסטן די פאַרשפּרייטונג פון סטראַטעגיע רעזולטאַטן (נישט נאָר ערוואַרטעטע ווערטן).
מיט סימולאציע קענען מיר אפשאצן ריזיקע: סטראטעגיע א קען האבן א הויכע דורכשניטליכע אויסצאלונג אבער הויכע וואריאנץ, בשעת סטראטעגיע ב איז מער סטאביל. די אויסוואל פון סטראטעגיע ווענדט זיך דעמאלט אויף די שפילער'ס ריזיקע פרעפערענצן.
8. רעאַלע-וועלט אַפּליקאַציעס: פֿון אָקשאַנז ביז סייבער-זיכערהייט
די קאָמבינאַציע פֿון סטאַטיסטיק און שפּיל טעאָריע איז קלאָר אין די פֿאָלגנדיקע געביטן:
1. אָנליין אויקשאַנז: מאָדעלירן בידער נאַטור, פאָרויסזאָגן רעוועך, און פּלאַנירן אויקשאַן מעקאַניזמען.
2. פרייז קאנקורענץ: שאצן קאנקורענטן'ס רעאקציעס צו פרייז ענדערונגען ניצנדיק היסטארישע דאטן.
3. נעץ זיכערהייט: מאָדעלירן אַטאַקירער און פארטיידיקער ווי שפּילער; סטאַטיסטיק ווערט גענוצט פֿאַר איינדרינגונג דעטעקציע און אַטאַקע וואַרשיינלעכקייט שאַצונג.
4. עוואָלוציאָנערע ביאָלאָגיע: איבערלעבונג און רעפּראָדוקטיווע סטראַטעגיעס ווערן אַנאַליזירט ווי שפּילן; באַפעלקערונג דאַטן ווערן גענוצט צו פּרובירן עוואָלוציאָנערע מאָדעלן.
5. עפנטלעכע פאליסי: קאנפליקטן פון אינטערעס צווישן גרופעס ווערן סטראטעגיש אנאליזירט; אנקעטע דאטן און פאליסי עקספערימענטן העלפן שאצן פרעפערענצן און רעאקציעס.
9. שוועריקייטן און באגרענעצונגען
כאָטש שטאַרק, שטייט די נוצן פון סטאַטיסטיק אין שפּיל טעאָריע פאר עטלעכע שוועריקייטן:
– דאַטן לימיטאַציעס: סטראַטעגישע דאַטן קענען זיין זעלטן אָדער אומפאַרענדיקט.
– אידענטיפיקאציע פראבלעם: עטלעכע פארשידענע מאדעלן קענען דערקלערן די זעלבע דאטן.
– קאָמפּליצירט מענטשלעך נאַטור: פּסיכאָלאָגישע פאַקטאָרן, געזעלשאַפטלעכע נאָרמען און געפילן זענען שווער צו אַרײַננעמען אין פּשוטע מאַטעמאַטישע מאָדעלן.
– רעזשים ענדערונג: סטראַטעגיעס און סביבות קענען זיך ענדערן אַזוי אַז אַלטע מאָדעלן זענען מער נישט באַטייַטיק.
דעריבער, דער בעסטער צוגאַנג קאָמבינירט געוויינטלעך טעאָריע, דאַטן, עקספּערימענטן און סימולאַציעס.
קעסימפּולאַן
סטאַטיסטיק און שפּיל טעאָריע קאָמפּלעמענטירן איינער דעם אַנדערן. שפּיל טעאָריע אָפפערט אַ ראַם פֿאַר פֿאַרשטיין סטראַטעגישע ינטעראַקשאַנז, בשעת סטאַטיסטיק גיט מכשירים פֿאַר שאַצן פּאַראַמעטערס, שטודירן נאַטור פֿון דאַטן, טעסטן מאָדעל פאָרויסזאָגן, און פאַרוואַלטן אַנסערטאַנטי. אין דער פאַקטישער וועלט פֿון אומפֿולשטענדיקער אינפֿאָרמאַציע און ענדערונגען אין דינאַמיק, ווערט די אינטעגראַציע אַלץ וויכטיקער. מיט דער הילף פֿון סטאַטיסטישער אינפֿערענץ, סימולאַציע, און מאַשין לערנען, איז שפּיל טעאָריע נישט בלויז אַן אַבסטראַקט אַנאַליטיש געצייַג, נאָר אויך אַ פּראַקטישער צוגאַנג פֿאַר דיזיינינג עפֿעקטיווע סטראַטעגיעס, פּאָליטיק, און סיסטעמען אין קאָנקורענט און קאָלאַבאָראַטיווע סביבות.
אויב איר ווילט, קען איך צולייגן א פשוטן נומערישן פאל ביישפיל (למשל, א פרייז-פיקסינג שפיל צווישן צוויי פירמעס) אדער ארייננעמען א ליסטע פון רעפערענצן/בוך און זשורנאל רעפערענצן צו פארשטארקן דעם ארטיקל.
