Információk az előrejelzési versenyhez

(
Egyébként tipikusan buta a szélirány megoldása: ha az 1.0-sok fele-fele ÉK és ÉNY tippet adott, akkor az É irány valószínûsége e modellben 0 lesz. Holott valahogy az "átlag" pont az É (és a D is!!).
Valahogyan vektor-megoldásokban gondolkodtam régen, 2D-s eloszlásban. Átlagot így még lehet számolni: Wá=(1/n)*Szumma(W). A szórás már neccesebb: S=(1/n)*Szumma(|W|^2)-|Wá|^2, ami viszont egy szám.
Ezt a számot értelmezhetjük az átlagvektor körüli kör sugárnégyzetének. Ekkor egy körszimmetrikus Gauss-harangot kapunk, de akkor egy adott vektornak mi lesz a valószínûsége? Az adott vektor körüli tartományt a kerekítési szabályok határozzák meg, ami egy "körgyûrûcikk". Erre kéne integrálni a Gauss-harangot.
Egy megoldási út lett volna, hogy a Gauss-harang középpontjából sugárirányba egyeneseket indítok. Ezek mindegyike mentén ugyanolyan 1D-s Gauss-görbe az eloszlás metszete, csak mindegyik ilyen egyenes más-más tartományban metszi el a körgyûrûcikket. A metszethatárok az egyeneseket paraméterezõ irányszöggel kifejezhetõek, s a Gauss-integrálnak a két metszethatárnál felvett értékének a különbsége lesz az adott irányszöghöz tartozó integrál (mely tehát az irányszög függvénye. Ennek tartója nem mindig a teljes 0-pí tartomány). Ezt pedig az irányszög szerint kell integrálni 0-tól píig, és kész.
Ez mind szép és jó, de elég bonyolult, így nem vállalkoztam rá. Ha lesz elég sok idõm rá, esetleg megpróbálkozhatok vele.
Gondolkoztam vektor helyett a komplex szám reprezentációval is, de ez még bonyolultabb lett, komplex argumentumú Gauss-harangot elég nehéz integrálni megintcsak a komplex síkon.
)

Hát, újra kéne írni a fájlokat . Elég bénán van megoldva, mivel nem dinamikus listákként tárolom az aktuális valószínûségeket, ezért futás közben nem változhatnak. Ez egy másfajta valószínûség, amit pl. modell-elõrékbõl lehet számolni, ami szerintem sokkal bonyolultabb.

Bár az eljárás maga nem vészes, az egyes modell-kimenetek által "gyártott" valószínûség-eloszlások konvolúcióját kéne képezni. Csak ahhoz nem elég a Delphi, amiben csináltam, mert azzal nem tudok numerikusan sem Fourier-transzformálni. Mathematica-ban, vagy ilyesmiben lehetne, de az ilyen programoknak nem létezik ingyenes verziója sajnos.

Még egy programmal is próbálkozom, ami azt mondja meg, ki mekkora valószínûséggel nyer. Ha az összes olyan esetet figyelembe veszem, amikor nincs olyan elem, melynek valószínûsége a numerikus pontosságon belül 0 az 1.0-s átlag alapján, akkor 2913120 különbözõ eset van (vagyis a nem 0 valószínûségû értékek ennyiféle lehetséges észlelést generálnak).
Erre a sok esetre mintegy 10 óráig futna a program, úgyhogy még annyit megtettem, hogy ezen belül kiszûrtem azokat az észleléseket, melyek valószínûsége a legvalószínûbb észlelésének a négyzetét nem éri el (vagyis azokat vettem figyelembe, amik valószínûsége eléri kb. a 2,65*10^-5 -t). Így mintegy 10 percre csökkent a futásidõ, de ugye ez így pontatlan.
Az egyes esetekben a gyõztes neve mellett megjelent az adott észlelés valószínûsége, illetve azok összeadódtak. Akik így 1%-nál nagyobb valószínûséggel nyernek:
tjanos88 7,05%; óriásfej 4,99%; 21es 4,15%; B.angelo 2,34%; snuking 1,71%; Kaszabubu 1,44%; Robi 34 1,11% . A többiekkel együtt a teljes valószínûség csak 38,14%, de a többi 61,86% nagyjából arányosan oszlik szét.
Ha megnézitek a várható pontok tábláját az elsõ 4 helyezett megegyezik. Ha pontosan futtattam volna, az egész tábla megegyezett volna (feltéve hogy a numerikus "epszilon" elég kicsi ahhoz, hogy az utolsó helyezettig is "mérhetõ" lesz a valószínûség, és nem nullázza ki pl. elektromet elõréjének valószínûségét).