¿Se puede saber si una ruleta está trucada?
45sEl misterio de detectar trampas en casinos capta la atención desde el primer segundo.
▶ Play ClipAI Summary
This video explains a simple mathematical method to determine if a roulette wheel or any game of chance is rigged. It uses the chi-square test to compare observed outcomes against theoretical probabilities, allowing you to accept or reject the hypothesis of fairness with a certain confidence level.
Chapters
[00:17]
The Method Overview
The method involves collecting data, comparing it to theoretical expectations, and forming a hypothesis (e.g., the wheel is fair) to accept or reject.
[00:44]
Roulette Probabilities
In European roulette, the probability of red or black is 18/37, and the probability of zero is 1/37.
[01:21]
Example Data Collection
In an example with 370 spins, the observed results were 200 reds, 150 blacks, and 20 zeros, which seems biased but needs statistical validation.
[02:08]
Expected Values Calculation
If the wheel were fair, you'd expect 180 reds, 180 blacks, and 10 zeros in 370 spins.
[03:04]
Chi-Square Calculation
The chi-square statistic is calculated as (observed - expected)² / expected for each category, then summed. In the example, it equals 17.22.
[03:49]
Interpreting the Chi-Square Table
With 3 categories, there are 2 degrees of freedom. At 99% confidence, the critical value is 9. Since 17.22 > 9, the wheel is likely rigged.
[04:30]
Sample Size Recommendation
Recommend at least 5 observations per category. For roulette, this means about 185 spins to get 5 zeros.
[05:21]
Caveats and Limitations
Too much data can cause false positives, and detecting bias doesn't guarantee profitability due to the negative expected value.
The chi-square test provides a simple, powerful way to detect if a roulette wheel is rigged by comparing observed outcomes to theoretical probabilities. However, it's not a guarantee of profitability, as the house edge remains negative.
Tutorial Checklist
1
00:17
Collect data by observing a large number of spins (e.g., 370) and record the outcomes for each category (red, black, zero).
3
02:08
Calculate the expected counts for each category by multiplying the total spins by the theoretical probability (e.g., 370 * 18/37 = 180).
6
03:49
Determine the degrees of freedom (number of categories - 1) and find the critical value from the chi-square table at your chosen confidence level (e.g., 99%).
7
04:04
Compare your statistic to the critical value. If it's larger, reject the null hypothesis and conclude the wheel is likely rigged.
💡 Key Takeaways
🔧
Chi-square test application
Provides a concrete, step-by-step method to statistically test for bias in a game of chance.
02:08
📊
Critical value comparison
Shows how to use the chi-square table to make a decision with a specified confidence level.
04:04
⚖️
False positives with large data
Highlights a common pitfall: too much data can lead to false positives, a key statistical concept.
05:21
💡
Bias doesn't guarantee profit
Clarifies that detecting bias doesn't overcome the house edge, a crucial practical caveat.
05:33Full Transcript
[00:00] ¿Existe alguna forma de saber si la ruleta o cualquier otro juego de azar está trucado? Pues sí, sí que existe un método matemático para ello y además es súper simple de aplicar. Acompáñame que te lo cuento.
[00:17] Para aplicar este método el proceso es muy sencillo. Tenemos inicialmente recoger datos para posteriormente comparar esos datos con la naturalidad teórica y formulando una hipótesis, por ejemplo, la ruleta justa,
[00:32] y lo que nos llegan los datos, aceptar o rechazar esa hipótesis con un determinado nivel de confianza. Voy a hacerlo con un ejemplo que va a ser muchísimo más fácil. Imaginad que estamos observando colores.
[00:44] Sabemos que la probabilidad de que salga rojo es igual a 18 dividido entre 37. Evidentemente porque tenemos 18 números rojos de 37 números en total.
[00:56] en el negro pues pasa igual la probabilidad de que salga negro es 18 entre 37 por el mismo motivo y aquí pues nos falta 1 la probabilidad de que salga 0
[01:08] que recordad el 0 no es rojo ni negro y como es un número de 37 pues esta es su probabilidad un 37 a 1 ok ahora imaginad que yo me voy al casino
[01:21] y observado la buleca He observado 370 lanzamientos y obtenido 200 resultados Han salido 200 rojos han salido 150 negros y han salido 20 ceros
[01:40] Mirando estos datos, yo puedo pensar, oye, pues, están saliendo un montón de rojos o un montón de ceros y el negro sale muy poco, pero ¿es suficiente esa intuición para decir que está trucado o no? Pues evidentemente no.
[01:54] El método que os voy a presentar permite decidir si esto es una anomalía que puede estar dentro del rango esperable o si por el contrario es algo muy, muy, muy raro y está indicando que la ruleta está trucada.
[02:08] ¿Cómo aplicaríamos el método? Ahora lo que vamos a hacer es calcular de estos 370 lanzamientos qué hubiese ocurrido si la ruleta fuese perfecta Claro, si la ruleta fuese perfecta
[02:20] yo tendría que multiplicar cada uno por su probabilidad y así obtendría el número de lanzamientos que hubiera tenido en cada uno de estos colores Es decir, hubiera tenido 180 rojos 180 negros
[02:34] y 10 negros Claro fijaros ambos suman 370 pero esto es lo que ha ocurrido en la realidad y esto es lo que te dice la probabilidad si el mundo fuese ideal y perfecto pues lo que ocurrir Ahora con esto es lo que vamos a hacer Vamos a calcular lo siguiente Tendr en el caso del rojo 200 menos 180 al cuadrado dividido entre 180
[03:04] Es decir, estamos calculando lo observado menos lo esperado al cuadrado dividido entre lo esperado. ¿Qué vamos a hacer para todos? Para el negro, 150 menos 180 al cuadrado
[03:19] dividido entre 180, y para el cero, 20 menos 10 al cuadrado dividido entre 10. Cuando hacemos los cálculos, estos son los valores que obtenemos, y ahora lo que vamos a hacer es sumarlos todos.
[03:35] Esto, pues sumado son 15 y 2, 17,22. Y este valor es súper importante porque si ahora acudimos a una cosa que se llama la escala de chi cuadrado,
[03:49] podemos observar lo siguiente. Tenemos tres categorías, rojo, negro y el cero. Menos uno es igual a dos grados de libertad. Vamos a tomar esa fila y nos vamos a ir a un nivel de confianza del 99%.
[04:04] Ah observamos que el valor de la tabla es 9 Como un valor obtenido es bastante mayor que 9 yo puedo rechazar la hip de que esta ruleca es justa que era la hip inicial Es decir esta ruleta estar trucada Una pregunta muy com al aplicar este m es oye cu giros tengo que observar o cu datos tengo que recoger
[04:30] Pues mi consejo es que al menos en cada categoría tengáis 5. Es decir, si os observo la ruleta tendría que tener 5 rojos, 5 negros y 5 ceros. como evidentemente el rojo y el negro
[04:43] saben mucho más porque su probabilidad es mucho mayor y la del 0 es mucho menor, al final lo que va a ocurrir es que tendrás un montón de rojos un montón de negros y cuando llegues a los 5 ceros pues lo tendrías y eso, ¿cuánto es? lo podemos estimar
[04:55] si a partir de la probabilidad igualamos a 5 y despejando vamos a ver que esos son unos 2.0 más o menos con eso tienes material suficiente para construir un primer modelo si recoges más datos, pues evidentemente mejor
[05:09] pero cuidado porque si tienes muchos, muchos, muchos, muchos datos cualquier pequeña desviación puede percibirse como que la ruleta está trucada y ser un falso positivo.
[05:21] Ya como puede, recordad que esto per se no garantiza que la ruleta sea rentable porque si yo detecto que sale mucho más del rojo y me dedico a apostar al rojo puede ser que ni así esté enciendo la esperanza matemática de la ruleta
[05:33] que recordad es negativa porque está construida a favor del casino. os cuento mucho más sobre eso en este vídeo de aquí espero que os haya gustado este y nos vemos en el siguiente, hasta luego
