Come è nato il progetto
È partito da un foglio di calcolo. Uno di noi teneva una colonna di giri, una di puntate e una di minuti; dopo quattro mesi il foglio ha detto una cosa che la memoria non aveva mai detto: le serate buone erano reali, ed erano anche quasi esattamente annullate da quelle ordinarie. Come matematica non sorprendeva. Come fatto personale era un’altra storia.
Il foglio però aveva un limite. Contare è facile; sapere se il conteggio significhi qualcosa non lo è. Un numero uscito nove volte su duecento giri sembra notevole finché non calcoli quanto spesso accade per caso su una ruota onesta — e la risposta è: di continuo. Ogni giocatore che abbia mai creduto di vedere uno schema ha provato esattamente questo, e nessun foglio ti dice da che parte della linea ti trovi.
Così il foglio è diventato un modello. Abbiamo raccolto esiti registrati di roulette europea, calibrato per bene la distribuzione attesa e costruito qualcosa che rispondesse all’unica domanda che conta: questo scostamento è più grande di quanto il caso produca con comodo, oppure no? Roulette Black 2.0 è la quarta riscrittura di quella risposta.
Il motore: prima la statistica
Apex 2.0 parte da un test d’ipotesi formale, non dal riconoscimento di schemi. Per ogni numero, colore, dozzina, colonna e fascia, il motore conserva una frequenza attesa che discende dalla geometria della ruota europea: 1 su 37, e tutto ciò che ne consegue. Ogni conteggio osservato viene poi valutato rispetto a quell’attesa come scostamento standardizzato, così la differenza si legge in deviazioni standard e non nel linguaggio dell’intuito.
Quest’ordine conta più di quanto sembri. Un modello che impara direttamente dai dati imparerà volentieri il rumore, e la roulette è quasi tutta rumore. Fissando prima analiticamente la distribuzione attesa, alla parte appresa non resta nulla da inventare: può solo descrivere quanto la sessione si sia allontanata da una linea di base che non ha mai potuto scegliere.