Er der forskel på RNG

Min kammerat og jeg diskuterer ofte at man skifter spillespil alt efter hvilket netværk man spiller på. Med andre ord: kortene falder forskelligt.

Jeg siger det er ren indbildning, men han påstår at de forskellige Random Number generators ikke er bygget op på samme måde(noget med nogle algoritmer).(correct me if i am wrong)

Kan det virkeligt passe at man underbevidst skifter spillestil fordi man har en anden føling med kortene. Det skal dog lige siges at jeg efter længere tid på Stars er begyndt at spille på Ongame igen og det virker som om at der er længere imellem det helt store badbeat på Ongame. Sikkert bare indbildning, meennnnn.....

Nogen der har konkret viden om dette, så vi kan få afgjort denne lille tvist?

Ja, der er forskel på RNGs, men det er ikke noget du kan mærke.

@fissehans

Jeg spørger fordi jeg ikke aner en bjælle omkring det. Kan man nu også være helt sikker på det?

obv kan der ikke være forskel på udfaldet imellem to RNG, det ligger lidt i navnet, dog findes der sikkert forskellige algoritmer

indbildning..

RNGer er rimelig avanceret, men måden de bliver random på er bl.a. ved at bringe udefra kommende påvirkninger ind. Har læst om en RNG, muligvis på party, om, at de brugte lyde udefra til at gøre systemet random.

Forskellen på RNG algoritmer svarer til at når du spiller live, så er der nogen som laver en "rifle shuffle" andre møver bare kortene rundt på bordet i en pærevælling, og andre bruger en blandemaskine i bordet - spørg kammeraten om han osse tilpasser sin spillestil til DE situationer ! Det er ren tågesnak og indbildning.

@Tax

Fordi jeg har brugt diverse algoritmer til at løse optimeringsproblemer. Udregningerne er forskellige, og du forskellige udfald i enkelte situationer, men køre du samme simulation om og om igen for du sjovt nok den samme middelværdi.

Samme gør sig gældende med RNGs. Og det er rigtig nok som subbiz siger, man kan bruge lyd som værende en bærende faktor, men der er også andre muligheder. Det eneste krav der sådan set er til en RNG er selvsagt at den aldrig på noget tidspunkt laver et loop eller en gentagelse så at sige... Du må ikke kunne finde et mønster i udregningen, og måden du løser dette problem gør forskellen på forskellige RNGs, men udfaldet bliver det samme nemlig random :D

@alle

Ok, jeg er overbevidst og henviser min kammi til denne tråd.

30 Hof going my way:-)

Tak for svar..

Zaphood er spot on! God pædagoisk forklaring.

-----------

miketysonpoker.blogspot.com/

30 Hof, hvorfor det, tabte du da?

Med 30 hof, mener han vel at han har vundet væddemålet og at han vil modtage 30 hof (30 stk. Carlberg Hof), dvs 1 kasse øl.

:D

Jeg vil i øvrigt anbefale at du i stedet vælger Tuborg Classic! :>

PokerStars RNG blander kort som ved live tour, dvs kortene blandes een gang og gives så ud uden at blande mere.

full tilt har "løbende" blanding. Dvs kortene blandes ustandseligt og faktisk har den tid du er om at beslutte dig betydning for det kort der falder.

/henrik

Derfor spiller jeg ikke på fulltilt. Alt for meget er skæbnebestemt derinde :-)

@rawberry

rofl

fra wiki:
en.wikipedia.org/wiki/Random_number_generator

"True" random numbers vs. pseudorandom numbers
Main article: pseudorandom number generator

There are two principal methods used to generate random numbers. One measures some physical phenomenon that is expected to be random and then compensates for possible biases in the measurement process. The other uses computational algorithms that produce long sequences of apparently random results, which are in fact completely determined by a shorter initial value, known as a seed or key. The latter type are often called pseudorandom number generators.

A "random number generator" based solely on deterministic computation cannot be regarded as a "true" random number generator, since its output is inherently predictable. John von Neumann famously said "Anyone who uses arithmetic methods to produce random numbers is in a state of sin." How to distinguish a "true" random number from the output of a pseudo-random number generator is a very difficult problem. However, carefully chosen pseudo-random number generators can be used instead of true random numbers in many applications. Rigorous statistical analysis of the output is often needed to have confidence in the algorithm.