गैम्बलिंग और सूचना सिद्धांत

बायेसियन अनुमान को हमारे आसपास की दुनिया पर लागू जुआ सिद्धांत के रूप में माना जा सकता है। जानकारी की मात्रा के लिए असंख्य एप्लिकेशन हमें सटीक रूप से बताते हैं कि आंशिक जानकारी के सामने सबसे अच्छा अनुमान कैसे लगाया जाए। उस अर्थ में, सूचना सिद्धांत को जुए के सिद्धांत की औपचारिक अभिव्यक्ति माना जा सकता है। इसलिए, इसमें कोई आश्चर्य की बात नहीं है कि सूचना सिद्धांत का संयोग के खेल में भी अनुप्रयोग होता है।

केली सट्टेबाजी
केली सट्टेबाजी या आनुपातिक सट्टेबाजी निवेश और जुए के लिए सूचना सिद्धांत का एक अनुप्रयोग है। इसके खोजकर्ता जॉन लैरी केली जूनियर थे।

केली की अंतर्दृष्टि का एक हिस्सा यह था कि जुआरी प्रत्येक दांव से अपेक्षित लाभ के बजाय अपनी पूंजी के लघुगणक की अपेक्षा को अधिकतम करे। यह महत्वपूर्ण है, क्योंकि बाद वाले मामले में, किसी को अनुकूल दांव लगाने पर उसके पास मौजूद सभी चीजें जुआ खेलने के लिए प्रेरित किया जाएगा, और यदि वह हार जाता है, तो उसके पास बाद में दांव लगाने के लिए कोई पूंजी नहीं होगी। केली को एहसास हुआ कि यह जुआरी की पूंजी का लघुगणक था जो अनुक्रमिक दांव में योगात्मक है, और जिस पर बड़ी संख्या का कानून लागू होता है।

अतिरिक्त जानकारी
दो संभावित परिणामों और सम बाधाओं के साथ एक शर्त योग्य घटना में एन्ट्रॉपी (सूचना सिद्धांत) की मात्रा एक अंश  है। जाहिर तौर पर अगर हमें पहले से पता हो कि उस घटना का परिणाम क्या होगा तो हम अपना पैसा दोगुना कर सकते हैं। केली की अंतर्दृष्टि यह थी कि सट्टेबाजी का परिदृश्य कितना भी जटिल क्यों न हो, हम एक इष्टतम सट्टेबाजी रणनीति का उपयोग कर सकते हैं, जिसे केली मानदंड कहा जाता है, ताकि हम जो भी पक्ष जानकारी प्राप्त कर सकें, उसके साथ हमारे पैसे को तेजी से बढ़ाया जा सके। इस अवैध पक्ष की जानकारी का मूल्य सट्टेबाजी योग्य घटना के परिणाम के सापेक्ष पारस्परिक जानकारी के रूप में मापा जाता है:


 * $$\begin{align}I(X;Y) & = \mathbb{E}_Y \{D_{\mathrm{KL}}\big(P(X|Y) \| P(X|I) \big) \} \\

& = \mathbb{E}_Y \{D_{\mathrm{KL}}\big(P(X|\textrm{side}\ \textrm{information}\ Y) \| P(X|\textrm{stated}\ \textrm{odds}\ I) \big) \}, \end{align} $$ जहां Y पार्श्व सूचना है, X सट्टेबाजी योग्य घटना का परिणाम है, और I सट्टेबाज के ज्ञान की स्थिति है। यह एक्स के पूर्ववर्ती संभाव्यता संभाव्यता वितरण का औसत कुल्बैक-लीबलर विचलन, या सूचना लाभ है, जिसे एक्स पर पूर्व संभाव्यता वितरण, या बताई गई बाधाओं के सापेक्ष वाई का मान दिया गया है। ध्यान दें कि अपेक्षा को वाई के बजाय वाई पर ले लिया गया है। एक्स: एक्स पर वास्तविक धन का दांव लगाना शुरू करने से पहले हमें यह मूल्यांकन करने की आवश्यकता है कि लंबी अवधि में, हमारी ओर की जानकारी वाई कितनी सटीक है। यह बायेसियन अनुमान का एक सीधा अनुप्रयोग है। ध्यान दें कि पार्श्व जानकारी Y न केवल घटना X के बारे में हमारे ज्ञान को बल्कि घटना को भी प्रभावित कर सकती है। उदाहरण के लिए, Y एक घोड़ा हो सकता है जिसके पास बहुत अधिक जई है या पर्याप्त पानी नहीं है। इस मामले में भी वही गणित लागू होता है, क्योंकि सट्टेबाज के दृष्टिकोण से, जब वह अपना दांव लगाता है तो कभी-कभार दौड़ फिक्सिंग को पहले से ही ध्यान में रखा जाता है।

अतिरिक्त जानकारी की प्रकृति अत्यंत जटिल है। हम पहले ही देख चुके हैं कि यह वास्तविक घटना के साथ-साथ परिणाम के बारे में हमारे ज्ञान को भी प्रभावित कर सकता है। मान लीजिए कि हमारे पास एक मुखबिर है, जो हमें बताता है कि एक निश्चित घोड़ा जीतने वाला है। हम निश्चित रूप से केवल एक अफवाह के आधार पर उस घोड़े पर अपना सारा पैसा दांव पर नहीं लगाना चाहते हैं: हो सकता है कि वह मुखबिर किसी अन्य घोड़े पर दांव लगा रहा हो, और अफवाहें फैला रहा हो ताकि वह खुद बेहतर दांव लगा सके। इसके बजाय, जैसा कि हमने संकेत दिया है, हमें लंबी अवधि में अपनी साइड जानकारी का मूल्यांकन करने की आवश्यकता है ताकि यह देखा जा सके कि यह दौड़ के परिणामों से कैसे संबंधित है। इस तरह हम यह निर्धारित कर सकते हैं कि हमारा मुखबिर कितना विश्वसनीय है, और केली मानदंड के अनुसार हमारी पूंजी के अपेक्षित लघुगणक को अधिकतम करने के लिए सटीक रूप से अपना दांव लगा सकते हैं। भले ही हमारा मुखबिर हमसे झूठ बोल रहा हो, फिर भी हम उसके झूठ से लाभ उठा सकते हैं यदि हम उसकी युक्तियों और वास्तविक दौड़ परिणामों के बीच कुछ विपरीत संबंध पा सकें।

दोगुना होने की दर
घुड़दौड़ पर जुआ खेलने की दर दोगुनी हो रही है
 * $$ W(b,p) = \mathbb E[\log_2 S(X)] = \sum_{i=1}^m p_i \log_2 b_i o_i $$

वहां हैं जहां $$m$$ घोड़ों, की संभावना $$i$$घोड़ा जीतने वाला प्राणी $$p_i$$, धन का अनुपात घोड़े पर दांव लगाया जा रहा है $$b_i$$, और संभावनाएं (भुगतान) हो रही हैं $$o_i$$ (जैसे, $$o_i=2$$ यदि $$i$$घोड़ा जीतने पर शर्त की दोगुनी राशि का भुगतान होता है)। यह मात्रा आनुपातिक (केली) जुए द्वारा अधिकतम होती है:


 * $$ b = p \,$$

जिसके लिए


 * $$ \max_b W(b,p) = \sum_i p_i \log_2 o_i - H(p) \, $$

कहाँ $$H(p)$$ सूचना एन्ट्रापी है.

अपेक्षित लाभ
एक जुआरी द्वारा प्राप्त अतिरिक्त जानकारी की मात्रा और उसकी पूंजी की अपेक्षित घातीय वृद्धि (केली) के बीच एक महत्वपूर्ण लेकिन सरल संबंध मौजूद है:


 * $$ \mathbb E \log K_t = \log K_0 + \sum_{i=1}^t H_i $$

एक इष्टतम सट्टेबाजी रणनीति के लिए, जहां $$K_0$$ प्रारंभिक पूंजी है, $$K_t$$ टीवें दांव के बाद की राजधानी है, और $$H_i$$ ith दांव के संबंध में प्राप्त अतिरिक्त जानकारी की मात्रा है (विशेष रूप से, प्रत्येक बीटेबल घटना के परिणाम के सापेक्ष पारस्परिक जानकारी)। यह समीकरण किसी भी लेनदेन लागत या न्यूनतम दांव के अभाव में लागू होता है। जब ये बाधाएं लागू होती हैं (जैसा कि वे वास्तविक जीवन में हमेशा करते हैं), एक और महत्वपूर्ण जुआ अवधारणा खेल में आती है: जुआरी (या बेईमान निवेशक) को अंतिम बर्बादी की एक निश्चित संभावना का सामना करना पड़ता है, जिसे जुआरी के बर्बाद परिदृश्य के रूप में जाना जाता है। ध्यान दें कि भोजन, कपड़े और आश्रय को भी निश्चित लेनदेन लागत माना जा सकता है और इस प्रकार जुआरी की अंतिम बर्बादी की संभावना में योगदान होता है।

यह समीकरण डेटा संचार (पियर्स) के प्रचलित प्रतिमान के बाहर शैनन के सूचना सिद्धांत का पहला अनुप्रयोग था।

स्वयं जानकारी के लिए आवेदन
लघुगणकीय संभाव्यता आत्म-जानकारी या आश्चर्य को मापती है, जिसका औसत सूचना एन्ट्रापी/अनिश्चितता है और जिसका औसत अंतर कुल्बैक-लीब्लर डाइवर्जेंस|केएल-डाइवर्जेंस है, इसमें अपने आप में बाधाओं-विश्लेषण के अनुप्रयोग हैं। इसकी दो प्राथमिक ताकतें यह हैं कि आश्चर्य: (i) छोटी संभावनाओं को प्रबंधनीय आकार की संख्या में कम करना, और (ii) जब भी संभावनाएं बढ़ जाती हैं तो उन्हें जोड़ना।

उदाहरण के लिए, कोई कह सकता है कि राज्यों की संख्या बिट्स की संख्या के दो के बराबर है यानी #states = 2#बिट्स. यहां बिट्स में मापी गई मात्रा ऊपर उल्लिखित लघुगणकीय सूचना माप है। इसलिए एन सिक्कों को पहली बार उछालने पर सभी हेड्स आने में आश्चर्य की बात है।

आश्चर्य की योगात्मक प्रकृति, और मुट्ठी भर सिक्कों के साथ उनके अर्थ को महसूस करने की क्षमता, किसी को अप्रत्याशित घटनाओं (जैसे लॉटरी जीतना, या कोई दुर्घटना होना) को संदर्भ में रखने में मदद कर सकती है। उदाहरण के लिए, यदि 17 मिलियन टिकटों में से एक विजेता है, तो एकल यादृच्छिक चयन से जीतने का आश्चर्य लगभग 24 बिट है। 24 सिक्कों को कुछ बार उछालने से आपको पहली कोशिश में सभी चित आने के आश्चर्य का एहसास हो सकता है।

विकल्पों का वजन करते समय इस माप की योगात्मक प्रकृति भी काम आती है। उदाहरण के लिए, कल्पना करें कि टीकाकरण से होने वाले नुकसान का आश्चर्य 20 बिट्स है। यदि किसी रोग के बिना पकड़ में आने का आश्चर्य 16 बिट है, लेकिन यदि आप रोग पकड़ लेते हैं तो उससे होने वाले नुकसान का आश्चर्य 2 बिट है, तो टीकाकरण न करवाने से होने वाले नुकसान का आश्चर्य केवल 16+2=18 बिट है। चाहे आप टीकाकरण कराने का निर्णय लें या नहीं (उदाहरण के लिए इसके लिए भुगतान की मौद्रिक लागत इस चर्चा में शामिल नहीं है), आप कम से कम इस तथ्य से अवगत निर्णय की ज़िम्मेदारी ले सकते हैं कि टीकाकरण न करवाने में इससे अधिक शामिल है अतिरिक्त जोखिम का एक सा.

अधिक आम तौर पर, कोई संभाव्यता पी को आश्चर्य की बिट्स के बिट्स से संभाव्यता = 1/2 के रूप में जोड़ सकता हैsbits. जैसा कि ऊपर सुझाव दिया गया है, यह मुख्य रूप से छोटी संभावनाओं के साथ उपयोगी है। हालाँकि, जेनेस ने बताया कि सच्चे-झूठे दावों के साथ साक्ष्य के अंशों को भी परिभाषित किया जा सकता है, जो कि आश्चर्य के मुकाबले आश्चर्य के रूप में परिभाषित किया जा सकता है। बिट्स में यह साक्ष्य केवल अंतर अनुपात = पी/(1-पी) = 2 से संबंधित हैईबिट्स, और इसमें स्वयं-जानकारी के समान फायदे हैं।

संयोग के खेलों में अनुप्रयोग
सूचना सिद्धांत को जानकारी की मात्रा निर्धारित करने के एक तरीके के रूप में सोचा जा सकता है ताकि अपूर्ण जानकारी के सामने सर्वोत्तम निर्णय लिया जा सके। अर्थात्, केवल आपके पास उपलब्ध जानकारी का उपयोग करके सर्वोत्तम निर्णय कैसे लिया जाए। सट्टेबाजी का उद्देश्य किसी अनिश्चित खेल/दौड़/मैच के सभी प्रासंगिक चर का तर्कसंगत रूप से आकलन करना है, फिर उनकी तुलना सट्टेबाज के आकलन से करना है, जो आम तौर पर बाधाओं या प्रसार के रूप में आता है और यदि आकलन पर्याप्त रूप से भिन्न हो तो उचित दांव लगाएं। जुए के जिस क्षेत्र में इसका सबसे अधिक उपयोग होता है वह है खेल सट्टेबाजी। आँकड़ों की उपलब्धता के कारण खेल विकलांगता सूचना सिद्धांत को बहुत अच्छी तरह से उधार देती है। कई वर्षों से जाने-माने अर्थशास्त्रियों ने खेल को अपनी प्रयोगशाला के रूप में उपयोग करके विभिन्न गणितीय सिद्धांतों का परीक्षण किया है, जिसके परिणाम काफी भिन्न रहे हैं।

खेल सट्टेबाजी के संबंध में एक सिद्धांत यह है कि यह एक यादृच्छिक चाल है। रैंडम वॉक एक ऐसा परिदृश्य है जहां नई जानकारी, कीमतें और रिटर्न में संयोग से उतार-चढ़ाव होगा, यह कुशल-बाजार परिकल्पना का हिस्सा है। कुशल बाज़ार परिकल्पना की अंतर्निहित धारणा यह है कि बाज़ार हमेशा किसी भी नई जानकारी के लिए समायोजन करेगा। इसलिए कोई भी बाज़ार को हरा नहीं सकता क्योंकि वे उसी जानकारी पर व्यापार कर रहे हैं जिससे बाज़ार समायोजित हुआ है। हालाँकि, फामा के अनुसार, एक कुशल बाज़ार के लिए तीन गुणों को पूरा करना आवश्यक है:


 * प्रतिभूतियों के व्यापार में कोई लेनदेन लागत नहीं होती है
 * सभी उपलब्ध जानकारी सभी बाज़ार सहभागियों के लिए निःशुल्क उपलब्ध है
 * प्रत्येक सुरक्षा की वर्तमान कीमत और भविष्य की कीमतों के वितरण के लिए वर्तमान जानकारी के निहितार्थ पर सभी सहमत हैं

सांख्यिकीविदों ने दिखाया है कि यह तीसरी शर्त है जो सूचना सिद्धांत को खेल विकलांगता में उपयोगी बनाने की अनुमति देती है। जब हर कोई इस बात पर सहमत नहीं होता है कि जानकारी घटना के नतीजे को कैसे प्रभावित करेगी, तो हमें अलग-अलग राय मिलती है।

यह भी देखें

 * उदासीनता का सिद्धांत
 * सांख्यिकीय एसोसिएशन फ़ुटबॉल भविष्यवाणियाँ
 * उन्नत एनएफएल आँकड़े

बाहरी संबंध

 * Statistical analysis in sports handicapping models
 * DVOA as an explanatory variable