В предыдущей статье мы проанализировали пул игроков низких лимитов. Сегодня же мы остановимся на статистике – вычислим «правильную» величину каждого основного показателя в HUD-e. С помощью базы данных, мы узнаем диапазон значений таких статов как:
- VP$IP;
- PFR%;
- 3-Bet%;
- Postflop Aggression Factor (AF);
- Flop CBet%;
- Turn CBet%;
- WTSD%.
Другими словами:
- Какое количество рук вы разыгрываете по собственному желанию;
- Как часто вы рейзите на префлопе;
- Как часто вы 3-бетите на префлопе;
- Насколько агрессивно вы играете на постфлопе;
- Как часто вы делаете контбет на флопе;
- Как часто вы делаете контбет на терне (второй баррель);
- Как часто вы доходите до вскрытия.
Специализированное ПО позволяет узнать куда больше различных показателей, но мы остановимся лишь на самых популярных.
Как же мы будем делать анализ?
Для вычисления обоснованных показателей с помощью нашей базы данных, мы будем использовать метод, который заключается в изучении изменения винрейта при изменении конкретного параметра. В конечном итоге, мы узнаем оптимальный диапазон значений определенного показателя.
Сначала мы должны оставить данные об игроках, с которыми мы разыграли, по крайней мере, 5 000 рук (т.е. регуляров). С такой минимальной выборкой у нас есть 2 817 игроков. Нужно отметить, что пять тысяч рук – не такое уж большое количество, но это не является проблемой – мы собираемся изучать группы игроков, а не каждого по-отдельности.
Предположим, вы отобрали 1 000 игроков с, как минимум, 5 000 руками и VP$IP-ом выше 80%. Давайте теперь сравним их с 1 000 игроков с, по крайней мере, 5 000 руками и VP$IP-ом ниже 30%. Даже если предположить, что каждый из этих игроков сыграл всего лишь 5 тысяч рук, вторая группа, условно, покажет результат лучше чем первая. В итоге, мы можем сказать, что VP$IP ниже 30% куда лучше, чем VP$IP > 80%. Именно так будет проходить наш анализ. Ах да, не нужно забывать, что на многих игроков у нас есть куда больше, чем 5 тысяч рук.
Мы также изучим зависимость винрейта от VP$IP. Мы отсортируем 2 817 игроков на основе показателя VP$IP; потом поделим их на пять групп с одинаковым количеством участников (1/5 с самыми низкими значениями VP$IP уйдут в одну группу, следующая 1/5 часть игроков во вторую группу и т.д.).
В каждой группе мы узнаем наибольшее и наименьшее значения VP$IP, а потом найдем медиану винрейта группы (медиана – это значение, которое разделяет группу ровно пополам). Чем выше значение медианы, тем лучший результат конкретной группы игроков и тем более оптимальный спектр значений VP$IP данной группы. Как вы уже могли догадаться, диапазон значений VP$IP группы с самой большой медианой и будет нашим оптимальным диапазоном для этого показателя.
Для большей наглядности, разберем элементарный пример с двумя группами. Предположим, что в нашей базе данных есть шесть игроков со следующими значениями VP$IP и винрейта:
Игрок 1: VP$IP =14 and bb/100 = -1Игрок 2: VP$IP =44 and bb/100 = -3
Игрок 3: VP$IP =27 and bb/100 = 4
Игрок 4: VP$IP =88 and bb/100 = -5
Игрок 5: VP$IP =19 and bb/100 = 2
Игрок 6: VP$IP =37 and bb/100 = 0
Сортируем игроков на основе их VP$IP:
Игрок 1: VP$IP =14 and bb/100 = -1Игрок 5: VP$IP =19 and bb/100 = 2
Игрок 3: VP$IP =27 and bb/100 = 4
Игрок 6: VP$IP =37 and bb/100 = 0
Игрок 2: VP$IP =44 and bb/100 = -3
Игрок 4: VP$IP =88 and bb/100 = -5
Теперь разделяем всех игроков на две равные по размеру группы (по три игрока) на основе их значения VP$IP (три самых низких показателя идут в первую группу, а три самых высоких – во вторую). Ищем медиану для каждой группы на основе винрейта. Это означает, что половина игроков группы имеет винрейты хуже медианы, а другая половина – лучше медианы. Очевидно, что между величиной медианы и среднестатистическим мастерством группы существует прямая зависимость.
Группа №1
Игрок 1: VP$IP =14 and bb/100 = -1Игрок 5: VP$IP =19 and bb/100 = 2
Игрок 3: VP$IP =27 and bb/100 = 4
Спектр VP$IP: 14-27
Медиана bb/100: 2
Группа №2
Игрок 6: VP$IP =37 and bb/100 = 0Игрок 2: VP$IP =44 and bb/100 = -3
Игрок 4: VP$IP =88 and bb/100 = -5
Спектр VP$IP: 37-88
Медиана bb/100: -3
Выводы из данного примера
Оптимальный диапазон значений VP$IP в данном примере = 14-27 (спектр первой группы). Медиана винрейта в данной группе = +2 bb/100. Диапазон значений VP$IP в группе №2 = 37-88, а ее медиана = - 3 bb/100. Таким образом, мы можем сделать вывод, что VP$IP в пределах 14-27 является более оптимальным, по сравнению с 37-88. Как результат, 14-27 является нашим расчетным оптимальным диапазоном VP$IP (основанный на исходных данных).
Что дальше? Используем данный метод для всех статистических показателей из списка. Разница заключается лишь в том, что вместо шести, у нас 2 817 игроков + мы разделим их не на две, а на пять групп (три группы с 563 игроками и две группы с 564).
Для анализа я использовал Microsoft Excel, а здесь предоставлю лишь скриншоты результатов. Серая строчка – оптимальный диапазон.
Оптимальное значение VP$IP
Обратите внимание на то, что медиана каждого спектра VP$IP является минусовой. И это отнюдь не сюрприз – большая часть нашей базы данных состоит из минусовых игроков, поэтому в каждой группе есть достаточно проигравших (огромный рейк – одна из основных причин данного явления). Но, проводя данный анализ, нам все равно «-» там или «+». Все, что нам нужно – найти спектр с самой большой медианой, независимо от ее фактического значения. Мы ведь предполагаем, что диапазон значений показателя с наивысшей медианой является хорошим расчетным оптимальным спектром.
На основе указанных выше данных, мы можем сделать вывод, что оптимальный диапазон значений VP$IP для низких лимитов = ~21-27%. По сути, это диапазон типичного тайтово-агрессивного игрока. В принципе, после анализа рейка на низких лимитах ничего удивительного в этом нет. Лузовый стиль игры, без сомнений, также может быть прибыльным, но мы вряд ли найдем массу низколимитчиков, которые играют в плюс, используя очень лузовую префлоп-стратегию.
Еще один вывод – не стоит играть с VP$IP выше 45%. Большая часть игроков с таким показателем, скорее всего, является рыбой (у них есть и другие изъяны, помимо слишком лузовой игры на префлопе), но даже сильные игроки вряд ли смогли бы выйти в плюс с таким VP$IP (не забывайте о сверхвысоком рейке). Существует известное предположение, что в ПЛО можно играть очень лузово, но, на самом деле, играть с VP$IP выше 30% при огромном рейке (размеры которого мы также определили в прошлой статье) не стоит.
Оптимальное значение PFR%
К сожалению, на основе нашей базы данных очень сложно узнать оптимальный спектр PFR% - все диапазоны с показателем выше 10% показали приблизительно одинаковый результат. Это означает, что мы не смогли найти конкретный оптимальный диапазон, окруженный менее «хорошими» спектрами, как это получилось с VP$IP.
Мы не можем оценить наивысшее значение оптимального диапазона PFR%, но мы можем сделать это с самым низким значением. На основе полученных данных мы делаем очевидный вывод - PFR% выше 10% позволяет демонстрировать хорошие результаты. Причем PFR% > 17% показывает наилучший результат. Это обычное значение данного показателя в ТАГ-а. Среднестатистический ТАГ в ПЛО имеет VP$IP в области 20-25% и PFR% около 15-20%. Проведя уже два исследования, мы можем подтвердить, что эти два диапазона для двух статов хорошо подходят для игры на низких лимитах пот-лимитной омахи.
Обратите внимание, что достаточно низкий PFR% величиной в 10% тоже показывает хороший результат! Оптимальное значение показателя для конкретного игрока не может быть точно оценено при полном отсутствии информации, ведь оно зависит и от других компонентов стиля данного игрока. Например, кто-то склонен к оверлимпу (лимп вдогонку на префлопе) и розыгрышу небольших банков в позиции, в то время как другой игрок вибирает линию рейза с последующим розыгрышем с большим банком в позиции. Частый оверлимп, как и частое изолирование с помощью рейза, могут неплохо работать при правильном выборе рук для данных действий и правильной подстройке постфлоп-игры, которая должна основываться на префлоп-действиях.
Оптимальное значение 3-Bet%
Результаты напоминают ситуацию с PFR% - три самых высоких диапазона 3-бета имеют практически одинаковые медианы, поэтому узнать какой из всех этих спектров является лучшим довольно-таки трудно. Мы не нашли четкого оптимального диапазона, но у нас есть самое низкое значение (3-бет, очевидно, должен быть выше 3%) и 3-6% кажется вполне обоснованным спектром для начального этапа создания оптимального диапазона значений 3-Bet%.
Из предыдущих статей мы знаем, что спектр 3-бета, состоящий из премиумных ААхх, премиумных бродвеев и премиумных спорных рук = 5%. Анализ базы данных показал, что это неплохой диапазон при отсутствии дополнительной информации. Однако нужно помнить о том, что оптимальная частота 3-бета сильно зависит от оппонента. Также не стоит забывать, что мы можем выгодно лузово 3-бетить на баттоне, особенно против слабых тайтовых противников.
Следует отметить, что характерная пассивность низких лимитов приводит к тому, что игроков с низким 3-Bet% в базе данных чересчур много. Мы видим, что 3-Bet% в пределах 3-6% показывает наилучший результат, но ведь 6%+ может и побить его (6%+ и 3-6% имеют приблизительно одинаковые значения). У нас попросту нет достаточного количества информации для этого диапазона (6%+), так как на низких лимитах очень мало игроков с 6%+ 3-бета. Как результат, мы не можем узнать наивысшее значение оптимального диапазона 3-Bet%.
В теории, для сильного игрока 3-бет выше 6% должен обеспечивать лучший результат, нежели 3-6%, особенно в борьбе против слабых оппонентов. Но для начала, 3-Bet% в области 3-6% (ближе к 6%) будет вполне неплохим решением. Мы ведь уже говорили о том, что премиумные ААхх, премиумные бродвеи и премиумные спорные руки в сумме дают ~5%!
Оптимальное значение AF
Как и в двух предыдущих исследованиях мы не можем выбрать конкретный диапазон AF. Однако его низшее значение = 3. Мы не знаем насколько сильно можно уйти вверх и где начнутся менее оптимальные значения, но нам уж точно нужно играть с AF > 3.
Оптимальное значение Flop CBet%
Здесь у нас наконец-то есть конкретный диапазон – 56-63%. Flop CBet% ниже 50% или выше 60%, очевидно, является не оптимальным.
Оптимальное значение Turn CBet%
Картина аналогична. У нас есть конкретный оптимальный диапазон – 45-51%. На основе полученных данных, можно сделать вывод, что слишком частый контбет на терне мгновенно наказывается.
Оптимальное значение WTSD%
WTSD% не относится к статам, которые мы часто используем за столом. Почему? Есть масса других показателей, который лучше показывают стоит ли попробовать блеф против конкретного оппонента на постфлопе. Но все же это отличный стат для HUD-а.
Нам не удалось найти конкретного оптимального диапазона, но у нас есть его наивысшее значение. Таким образом, мы лишь знаем, что оптимальное значение WTSD% не превышает 27%.
В следующей статье мы продолжим тему статистики и сформируем HUD для низких лимитов ПЛО.
Узнайте больше о статистических показателях и их использовании из посвященной данному вопросу статьи!