Hoe het project begon
Het begon als een spreadsheet. Een van ons hield een kolom spins bij, een kolom inzetten en een kolom minuten. Na vier maanden zei de spreadsheet iets wat het geheugen nooit had gezegd: de goede avonden bestonden echt, en ze werden bijna precies opgeheven door de gewone. Wiskundig was daar niets verrassends aan. Als persoonlijk feit was het iets heel anders.
De spreadsheet had wel een grens. Tellen is makkelijk; weten of een telling iets betekent niet. Een getal dat negen keer viel in tweehonderd spins lijkt opmerkelijk, tot je uitrekent hoe vaak dat bij toeval gebeurt op een eerlijk wiel — en het antwoord is: onophoudelijk. Elke speler die ooit een patroon meende te zien, voelde precies dit, en geen spreadsheet vertelt je aan welke kant van de lijn je staat.
Dus werd de spreadsheet een model. We verzamelden vastgelegde uitkomsten van Europees roulette, ijkten de verwachte verdeling zoals het hoort en bouwden iets dat de enige zinvolle vraag beantwoordt: is deze afwijking groter dan wat toeval moeiteloos voortbrengt, of niet? Roulette Black 2.0 is de vierde herschrijving van dat antwoord.
De engine: eerst de statistiek
Apex 2.0 begint met formele hypothesetoetsing, niet met patroonherkenning. Voor elk nummer, elke kleur, dozijn, kolom en reeks houdt de engine een verwachte frequentie aan die volgt uit de geometrie van het Europese wiel: 1 op 37, en alles wat daaruit volgt. Elke waargenomen telling wordt vervolgens tegen die verwachting gescoord als gestandaardiseerde afwijking, zodat een verschil in standaarddeviaties verschijnt in plaats van in de taal van het onderbuikgevoel.
Die volgorde weegt zwaarder dan ze klinkt. Een model dat rechtstreeks van de data leert, leert maar al te graag de ruis — en roulette is bijna volledig ruis. Door de verwachte verdeling eerst analytisch vast te leggen, valt er voor het geleerde deel niets meer te verzinnen: het kan alleen beschrijven hoe ver de sessie is afgedreven van een basislijn die het nooit zelf mocht kiezen.