Intelligenza artificiale e lotto 🤖🎱📈📉🎯

[claudio8]

@lotto_tom75
"Ma ora appurato che come script python funziona... dimmi cosa diavolo è"
é un tentativo di previsione seguendo un model import ARIMA.
Da chat GPT
Se sei d'accordo, posso fornirti un esempio di codice Python per adattare il modello ARIMA ai dati differenziati e fare previsioni per i prossimi due giorni. Questo può essere un buon punto di partenza per comprendere come funziona il processo di previsione con ARIMA. Una volta che comprendi i concetti di base, potresti essere in grado di adattare il processo a VBScript, se necessario.
Ciao

 

[lotto_tom75]

@lotto_tom75
"Ma ora appurato che come script python funziona... dimmi cosa diavolo è"
é un tentativo di previsione seguendo un model import ARIMA.
Da chat GPT
Se sei d'accordo, posso fornirti un esempio di codice Python per adattare il modello ARIMA ai dati differenziati e fare previsioni per i prossimi due giorni. Questo può essere un buon punto di partenza per comprendere come funziona il processo di previsione con ARIMA. Una volta che comprendi i concetti di base, potresti essere in grado di adattare il processo a VBScript, se necessario.
Ciao

Quindi è un esempio di codice in python per eseguire qualche tipo di analisi predittiva con quel modello chiamato ARIMA? Se si cosa vorresti fare esattamente? E se ARIMA è free dove si scarica il modello o dove si usa online? Sei riuscito ad avere lo stesso output che ti ho mostrato? Ciao

 

[claudio8]

Quindi è un esempio di codice in python per eseguire qualche tipo di analisi predittiva con quel modello chiamato ARIMA? Se si cosa vorresti fare esattamente? E se ARIMA è free dove si scarica il modello o dove si usa online? Sei riuscito ad avere lo stesso output che ti ho mostrato? Ciao

Arima lo hai usato tu, io ho solo richiesto a GPT
Ho chiesto:
puoi riscrivere questo concetto con parole più semplici come se stessi parlando con un bambino di 10 anni?
"Perché le serie stazionarie sono importanti? Una serie temporale stazionaria è molto più affidabile e facile da predire rispetto ad altre. Il motivo principale è che i modelli predittivi sulle serie temporali si basano fondamentalmente su algoritmi di regressione lineare, i quali sfruttano i ritardi dei dati in serie per formare i predittori. Inoltre, sappiamo che gli algoritmi di regressione lineare lavorano meglio in contesti in cui i predittori (X) non sono correlati tra loro. Rendere una serie stazionaria significa rimuovere tutte le correlazioni tra predittori e, quindi, rendere la serie più adatta ad applicare la regressione. Una volta che i predittori, o i ritardi, della serie sono stati resi indipendenti, ci si aspetta di avere predizioni più affidabili."

GPT
Sicuramente! Immagina che le serie stazionarie siano come trenini che viaggiano sempre alla stessa velocità su binari dritti e lisci. Quando i trenini sono stazionari, sono più facili da capire e prevedere, proprio come quando sai che un giocattolo si muoverà sempre alla stessa velocità e nella stessa direzione.
Questo è importante perché, quando facciamo previsioni su qualcosa, come il tempo o le vendite di giocattoli, usiamo regole speciali chiamate algoritmi di regressione lineare. Questi algoritmi funzionano meglio quando i dati che analizzano non sono tutti confusi o legati tra loro come spaghetti, ma sono ordinati e chiari, proprio come i trenini su binari ben dritti.
Quindi, rendendo le serie stazionarie, togliamo tutto quel groviglio di correlazioni tra i dati, facendo sì che diventino più chiari e facili da prevedere. È come sistemare i giocattoli in modo che non si intralcino l'un l'altro: così, possiamo dire con più sicurezza cosa succederà in futuro.

se ti elnco una serie non stazionaria, puoi trasformarla in stazionaria?

Certamente, fammi sapere la serie non stazionaria e cercherò di aiutarti a renderla stazionaria!
quindi gli ho dato una serie di numeri
ecc ecc

gli ho dato in pasto un po di estrazioni.



Cioa

 

[lotto_tom75]

Ciao, incuriosito dal tuo tema "stazionario" ho provato ad interpellarla in egual modo e a me ha parlato di previsioni del tempo

You

puoi riscrivere questo concetto con parole più semplici come se stessi parlando con un bambino di 10 anni?

"Perché le serie stazionarie sono importanti? Una serie temporale stazionaria è molto più affidabile e facile da predire rispetto ad altre. Il motivo principale è che i modelli predittivi sulle serie temporali si basano fondamentalmente su algoritmi di regressione lineare, i quali sfruttano i ritardi dei dati in serie per formare i predittori. Inoltre, sappiamo che gli algoritmi di regressione lineare lavorano meglio in contesti in cui i predittori (X) non sono correlati tra loro. Rendere una serie stazionaria significa rimuovere tutte le correlazioni tra predittori e, quindi, rendere la serie più adatta ad applicare la regressione. Una volta che i predittori, o i ritardi, della serie sono stati resi indipendenti, ci si aspetta di avere predizioni più affidabili."


ChatGPT

Ok, immagina che stiamo parlando di previsioni del tempo. Sai quando guardi il meteo in TV e cercano di indovinare se farà bello o brutto domani? Bene, per fare queste previsioni usano un mucchio di dati del passato, come le temperature, la pioggia, e così via.

Ma alcuni dati possono essere un po' disordinati, come se fossero tutti impasticciati insieme. È come se cercassimo di leggere una storia con tutte le parole mescolate. Per rendere più facile leggere la storia, dobbiamo mettere tutte le parole nello stesso ordine. Allo stesso modo, per fare previsioni migliori, dobbiamo sistemare i dati in modo che siano più facili da capire.

Quando i dati sono sistemati in modo ordinato, li chiamiamo "serie stazionarie". Queste serie sono come libri con parole ordinate. Quando facciamo previsioni sul tempo o su altre cose, è molto più semplice usare dati sistemati, perché possiamo usare delle formule matematiche più facili.
Quindi, rendere una serie stazionaria è come mettere in ordine i dati per poter fare previsioni più accurate.



You

è possibile applicare questo "concetto" anche ad archivi di estrazioni lotto?


ChatGPT

Assolutamente, il concetto di serie stazionarie può essere applicato anche agli archivi di estrazioni del lotto. In questo caso, immagina che ogni estrazione del lotto sia come una serie di numeri, giusto? Quando guardiamo a queste estrazioni nel tempo, possiamo notare che ci sono delle tendenze o dei modelli che si ripetono.

Ma a volte questi dati possono essere un po' caotici, come se fossero tutti mischiati insieme senza un ordine chiaro. Per fare previsioni migliori sui numeri del lotto, è utile organizzare questi dati in modo più ordinato, come mettere in ordine i numeri in sequenza.

Quando i dati delle estrazioni del lotto sono organizzati in modo ordinato, li chiamiamo "serie stazionarie". Queste serie sono come elenchi di numeri ordinati. Quando cerchiamo di prevedere quali numeri potrebbero uscire nelle prossime estrazioni, è molto più semplice usare dati organizzati, perché possiamo usare delle tecniche di analisi più efficaci.

Quindi, rendere una serie stazionaria nell'ambito delle estrazioni del lotto significa organizzare i dati in modo che siano più facili da interpretare e analizzare per fare previsioni più accurate sui numeri che potrebbero uscire.



You

quindi per scendere sul pratico se io ti dessi un archivio delle ultime 90 estrazioni lotto su una ruota con ogni riga relativa a i 5 numeri estratti separati da carattere virgola e con l'ultima estrazione più recente in fondo all'elenco saresti in grado di analizzarle secondo questo stesso concetto?


ChatGPT

Assolutamente, posso aiutarti nell'analisi di queste estrazioni del lotto. Se mi fornisci l'archivio delle ultime 90 estrazioni con i numeri estratti separati da virgola e l'ultima estrazione più recente in fondo all'elenco, posso applicare alcuni metodi per esaminare le serie di numeri e identificare eventuali modelli o tendenze che potrebbero essere utili per fare previsioni future.

Alcuni degli approcci che potrei utilizzare includono l'analisi delle frequenze dei numeri estratti, l'identificazione di sequenze o pattern ricorrenti, e l'uso di tecniche statistiche per valutare la casualità dei numeri estratti.
Una volta analizzati i dati, potrei darti delle indicazioni su quali numeri sembrano essere più frequenti, se ci sono particolari combinazioni che si presentano più spesso, o se ci sono altri aspetti interessanti che emergono dall'analisi.

Se sei interessato a questa analisi, ti pregherei di fornirmi l'archivio delle estrazioni del lotto e sarò felice di aiutarti a esaminarlo secondo il concetto di serie stazionarie.



You

mi riferivo alle analisi di tipo stazionarie...


ChatGPT

Capisco, grazie per la precisazione. Se intendi analizzare le estrazioni del lotto secondo il concetto di serie stazionarie, possiamo procedere nel modo seguente:

1. Verifica della stazionarietà: Innanzitutto, esaminerei se la serie di estrazioni del lotto è stazionaria nel tempo. Per fare ciò, potremmo controllare se le medie e le varianze dei numeri estratti sono costanti nel tempo. Se la serie è stazionaria, ciò significa che non ci sono trend o pattern evidenti nei dati nel corso del tempo.
2. Differenziazione: Se la serie non è stazionaria, potremmo applicare una tecnica chiamata "differenziazione" per rendere la serie stazionaria. Questo significa calcolare la differenza tra i valori successivi nella serie. In questo modo, eliminiamo eventuali trend o pattern che potrebbero essere presenti nei dati.
3. Analisi dei ritardi: Dopo aver reso la serie stazionaria, potremmo esaminare i ritardi dei numeri estratti, cioè osservare se ci sono correlazioni tra i numeri estratti in una determinata estrazione e quelli estratti nelle estrazioni precedenti. Questo ci aiuta a identificare eventuali pattern o trend che potrebbero influenzare le estrazioni future.
4. Modellazione: Una volta identificati i pattern o le correlazioni nei dati, potremmo utilizzare modelli statistici per fare previsioni sulle estrazioni future del lotto. Questi modelli potrebbero includere tecniche come l'autoregressione (AR), i modelli ARIMA (AutoRegressive Integrated Moving Average) o altri metodi di previsione basati su serie temporali.

In sintesi, analizzando le estrazioni del lotto secondo il concetto di serie stazionarie, cercheremo di individuare eventuali pattern o trend nei dati e utilizzare queste informazioni per fare previsioni sulle estrazioni future. Se hai l'archivio delle estrazioni del lotto, possiamo iniziare l'analisi e vedere cosa emergere dai dati.

 

[claudio8]

Ciao, incuriosito dal tuo tema "stazionario" ho provato ad interpellarla in egual modo e a me ha parlato di previsioni del tempo

ChatGPT

Capisco, grazie per la precisazione. Se intendi analizzare le estrazioni del lotto secondo il concetto di serie stazionarie, possiamo procedere nel modo seguente:

1. Verifica della stazionarietà: Innanzitutto, esaminerei se la serie di estrazioni del lotto è stazionaria nel tempo. Per fare ciò, potremmo controllare se le medie e le varianze dei numeri estratti sono costanti nel tempo. Se la serie è stazionaria, ciò significa che non ci sono trend o pattern evidenti nei dati nel corso del tempo.
2. Differenziazione: Se la serie non è stazionaria, potremmo applicare una tecnica chiamata "differenziazione" per rendere la serie stazionaria. Questo significa calcolare la differenza tra i valori successivi nella serie. In questo modo, eliminiamo eventuali trend o pattern che potrebbero essere presenti nei dati.
3. Analisi dei ritardi: Dopo aver reso la serie stazionaria, potremmo esaminare i ritardi dei numeri estratti, cioè osservare se ci sono correlazioni tra i numeri estratti in una determinata estrazione e quelli estratti nelle estrazioni precedenti. Questo ci aiuta a identificare eventuali pattern o trend che potrebbero influenzare le estrazioni future.
4. Modellazione: Una volta identificati i pattern o le correlazioni nei dati, potremmo utilizzare modelli statistici per fare previsioni sulle estrazioni future del lotto. Questi modelli potrebbero includere tecniche come l'autoregressione (AR), i modelli ARIMA (AutoRegressive Integrated Moving Average) o altri metodi di previsione basati su serie temporali.

In sintesi, analizzando le estrazioni del lotto secondo il concetto di serie stazionarie, cercheremo di individuare eventuali pattern o trend nei dati e utilizzare queste informazioni per fare previsioni sulle estrazioni future. Se hai l'archivio delle estrazioni del lotto, possiamo iniziare l'analisi e vedere cosa emergere dai dati.

allora Tom, lo hai testato?
che genere di indicazioni ti ha dato?

 

[lotto_tom75]

allora Tom, lo hai testato?
che genere di indicazioni ti ha dato?

Ciao claudio, le ultime novità al riguardo le trovi qui

 

[lotto_tom75]

Forse sono riuscito a far implementare a chatgpt ARIMA e RQUADRO... in un code python in modo tale che il primo provi a ipotizzare dei numeri solo quando il secondo raggiunge un certo valore soglia voluto (es. 0,75) (py2) Ora dopo aver realizzato anche qualcosa sempre in python con RNN mi resta da tentare di creare qualcosa di simile a NNCLUST a GMDH e a PYTHIA per i quali però la cosa sembra molto più complessa... Intanto diciamo che ne ho approfittato per farmi una mini cultura su questo argomento... La cosa curiosa che mi appunto e condivido per adesso è che il numero di ultime estrazioni o sfaldamenti della abs di test per le quali RQUADRO sembra raggiungere il valore massimo per i parametri di configurazione per ARIMA sembra essere 4.



script python che ho fatto fare a chatgpt per generarmi un file txt riguardo gli sfaldamenti di gruppo base voluto es, abs77 x A su FI dal 1871 rispetto al relativo archivio estrazioni della ruota target. Questa versione mantiene le posizioni di tutti i numeri estratti e degli spazi vuoti sostituendo questi ultimi con degli 00 e aggiungendo per ognuna il rispettivo indice temporale dell'estrazione.

#genera-sfaldamenti-gruppo-base-in-ordine-di-uscita-reale-mantenendo-le-posizioni-di-uscita-reale


# Funzione per caricare il gruppo base da un file esterno
def carica_gruppo_base(file_path):
    gruppo_base = set()
    with open(file_path, 'r') as file:
        for line in file:
            numeri = line.strip().split('.')
            for numero in numeri:
                gruppo_base.add(int(numero))
    return gruppo_base

# Funzione per confrontare e modificare gli estratti
def confronta_estratti(estratti, gruppo_base):
    estratti_lista = estratti.split('.')
    estratti_modificati = []
    for numero in estratti_lista:
        if int(numero) in gruppo_base:
            estratti_modificati.append(numero)
        else:
            estratti_modificati.append('00')
    return '.'.join(estratti_modificati)

# Caricare il gruppo base da un file esterno
gruppo_base = carica_gruppo_base('gruppo-base.txt')

# Leggere il file delle estrazioni
with open('archivio-estrazioni.txt', 'r') as file_in:
    lines = file_in.readlines()

# Creare e scrivere nel nuovo file "sfaldamenti-gruppobase.txt"
with open('sfaldamenti-gruppobase-ordinamento-usciti-posizioni-reali.txt', 'w') as file_out:
    file_out.write(lines[0])  # Copia la prima riga (Intestazione)
    for line in lines[1:]:
        indice, estratti = line.strip().split(',')
        estratti_modificati = confronta_estratti(estratti, gruppo_base)
        file_out.write(f"{indice},{estratti_modificati}\n")

print("Operazione completata. Il file 'sfaldamenti-gruppobase.txt' è stato generato correttamente.")

script python che ho fatto fare a chatgpt per generarmi un file txt riguardo gli sfaldamenti di gruppo base voluto es, abs77 x A su dl 1871 rispetto al relativo archivio estrazioni della ruota target. Questa versione NON mantiene le posizioni di tutti i numeri estratti e degli spazi vuoti sostituendo questi ultimi con degli 00 e ordinando tutte le righe per ordine crescente da sx a dx lasciando invariati ovviamente gli indici temporali delle estrazioni.

#genera-sfaldamenti-gruppo-base-in-ordine-di-uscita-con-ordinamento-crescente-usciti-da-sx-a-dx-saltano-le-posizioni

# Funzione per caricare il gruppo base da un file esterno
def carica_gruppo_base(file_path):
    gruppo_base = set()
    with open(file_path, 'r') as file:
        for line in file:
            numeri = line.strip().split('.')
            for numero in numeri:
                gruppo_base.add(int(numero))
    return sorted(gruppo_base)


# Funzione per confrontare e modificare gli estratti
def confronta_estratti(estratti, gruppo_base):
    estratti_lista = estratti.split('.')
    estratti_modificati = []
    for numero in gruppo_base:
        if str(numero) in estratti_lista:
            estratti_modificati.append(str(numero))
    estratti_modificati.extend(['00'] * (len(estratti_lista) - len(estratti_modificati)))
    return '.'.join(estratti_modificati)



# Caricare il gruppo base da un file esterno
gruppo_base = carica_gruppo_base('gruppo-base.txt')

# Leggere il file delle estrazioni
with open('archivio-estrazioni.txt', 'r') as file_in:
    lines = file_in.readlines()

# Creare e scrivere nel nuovo file "sfaldamenti-gruppobase.txt"
with open('sfaldamenti-gruppobase-ordinamento-usciti-da-sx-a-dx.txt', 'w') as file_out:
    file_out.write(lines[0])  # Copia la prima riga (Intestazione)
    for line in lines[1:]:
        indice, estratti = line.strip().split(',')
        estratti_modificati = confronta_estratti(estratti, gruppo_base)
        file_out.write(f"{indice},{estratti_modificati}\n")

print("Operazione completata. Il file 'sfaldamenti-gruppobase.txt' è stato generato correttamente con i numeri ordinati in modo crescente.")

es.di risultato by RNN analizzando solo gli sfaldameni della abs 77 x A su FI dal 1871 ovvero oltre 10k di righe del data set "stazionarizzato" in righe di classe uguale sostituendo appunto gli spazi vuoti con 00 in 2 min ca.


Es. dello stesso tpo di analisi ma relativa solo alle ultime 100 es.

 

[Halmun]

Forse sono riuscito a far implementare a chatgpt ARIMA e RQUADRO... in un code python in modo tale che il primo provi a ipotizzare dei numeri solo quando il secondo raggiunge un certo valore soglia voluto (es. 0,75) (py2) Ora dopo aver realizzato anche qualcosa sempre in python con RNN mi resta da tentare di creare qualcosa di simile a NNCLUST a GMDH e a PYTHIA per i quali però la cosa sembra molto più complessa... Intanto diciamo che ne ho approfittato per farmi una mini cultura su questo argomento... La cosa curiosa che mi appunto e condivido per adesso è che il numero di ultime estrazioni o sfaldamenti della abs di test per le quali RQUADRO sembra raggiungere il valore massimo per i parametri di configurazione per ARIMA sembra essere 4.



script python che ho fatto fare a chatgpt per generarmi un file txt riguardo gli sfaldamenti di gruppo base voluto es, abs77 x A su FI dal 1871 rispetto al relativo archivio estrazioni della ruota target. Questa versione mantiene le posizioni di tutti i numeri estratti e degli spazi vuoti sostituendo questi ultimi con degli 00 e aggiungendo per ognuna il rispettivo indice temporale dell'estrazione.

#genera-sfaldamenti-gruppo-base-in-ordine-di-uscita-reale-mantenendo-le-posizioni-di-uscita-reale


# Funzione per caricare il gruppo base da un file esterno
def carica_gruppo_base(file_path):
    gruppo_base = set()
    with open(file_path, 'r') as file:
        for line in file:
            numeri = line.strip().split('.')
            for numero in numeri:
                gruppo_base.add(int(numero))
    return gruppo_base

# Funzione per confrontare e modificare gli estratti
def confronta_estratti(estratti, gruppo_base):
    estratti_lista = estratti.split('.')
    estratti_modificati = []
    for numero in estratti_lista:
        if int(numero) in gruppo_base:
            estratti_modificati.append(numero)
        else:
            estratti_modificati.append('00')
    return '.'.join(estratti_modificati)

# Caricare il gruppo base da un file esterno
gruppo_base = carica_gruppo_base('gruppo-base.txt')

# Leggere il file delle estrazioni
with open('archivio-estrazioni.txt', 'r') as file_in:
    lines = file_in.readlines()

# Creare e scrivere nel nuovo file "sfaldamenti-gruppobase.txt"
with open('sfaldamenti-gruppobase-ordinamento-usciti-posizioni-reali.txt', 'w') as file_out:
    file_out.write(lines[0])  # Copia la prima riga (Intestazione)
    for line in lines[1:]:
        indice, estratti = line.strip().split(',')
        estratti_modificati = confronta_estratti(estratti, gruppo_base)
        file_out.write(f"{indice},{estratti_modificati}\n")

print("Operazione completata. Il file 'sfaldamenti-gruppobase.txt' è stato generato correttamente.")

script python che ho fatto fare a chatgpt per generarmi un file txt riguardo gli sfaldamenti di gruppo base voluto es, abs77 x A su dl 1871 rispetto al relativo archivio estrazioni della ruota target. Questa versione NON mantiene le posizioni di tutti i numeri estratti e degli spazi vuoti sostituendo questi ultimi con degli 00 e ordinando tutte le righe per ordine crescente da sx a dx lasciando invariati ovviamente gli indici temporali delle estrazioni.

#genera-sfaldamenti-gruppo-base-in-ordine-di-uscita-con-ordinamento-crescente-usciti-da-sx-a-dx-saltano-le-posizioni

# Funzione per caricare il gruppo base da un file esterno
def carica_gruppo_base(file_path):
    gruppo_base = set()
    with open(file_path, 'r') as file:
        for line in file:
            numeri = line.strip().split('.')
            for numero in numeri:
                gruppo_base.add(int(numero))
    return sorted(gruppo_base)


# Funzione per confrontare e modificare gli estratti
def confronta_estratti(estratti, gruppo_base):
    estratti_lista = estratti.split('.')
    estratti_modificati = []
    for numero in gruppo_base:
        if str(numero) in estratti_lista:
            estratti_modificati.append(str(numero))
    estratti_modificati.extend(['00'] * (len(estratti_lista) - len(estratti_modificati)))
    return '.'.join(estratti_modificati)



# Caricare il gruppo base da un file esterno
gruppo_base = carica_gruppo_base('gruppo-base.txt')

# Leggere il file delle estrazioni
with open('archivio-estrazioni.txt', 'r') as file_in:
    lines = file_in.readlines()

# Creare e scrivere nel nuovo file "sfaldamenti-gruppobase.txt"
with open('sfaldamenti-gruppobase-ordinamento-usciti-da-sx-a-dx.txt', 'w') as file_out:
    file_out.write(lines[0])  # Copia la prima riga (Intestazione)
    for line in lines[1:]:
        indice, estratti = line.strip().split(',')
        estratti_modificati = confronta_estratti(estratti, gruppo_base)
        file_out.write(f"{indice},{estratti_modificati}\n")

print("Operazione completata. Il file 'sfaldamenti-gruppobase.txt' è stato generato correttamente con i numeri ordinati in modo crescente.")

es.di risultato by RNN analizzando solo gli sfaldameni della abs 77 x A su FI dal 1871 ovvero oltre 10k di righe del data set "stazionarizzato" in righe di classe uguale sostituendo appunto gli spazi vuoti con 00 in 2 min ca.

Vedi l'allegato 2280336
Es. dello stesso tpo di analisi ma relativa solo alle ultime 100 es.
Vedi l'allegato 2280337

guardando i 2 grafici il predicted resto intorno al punto medio di 39-40 non distante dalla media dei 90 numeri ( 45 ). se non è un valore di previsione ( più o meno coppia 39-40 circa eventualmente da porre in gioco ) non capisco cosa sia.

 

[lotto_tom75]

guardando i 2 grafici il predicted resto intorno al punto medio di 39-40 non distante dalla media dei 90 numeri ( 45 ). se non è un valore di previsione ( più o meno coppia 39-40 circa eventualmente da porre in gioco ) non capisco cosa sia.

Ciao Halmun, si in effetti sarebbe la prev. by RNN implementato in python.

 

[Halmun]

Ciao Halmun, si in effetti sarebbe la prev. by RNN implementato in python.

penso ci sia qualcosa di meglio della media. anche utilizzando una semplice Polinomiale abbiamo una variazione della tendenza decisamente migliore. di seguito un esempio di Polinomiale su Range di 100 estraz. di FIRENZE con Fine data analisi al 12/03/2024
Doppio esito del 51 al 1° & 2° Colpo. ( Residuo MIN. Target colonna del 5° estratto )

 

[lotto_tom75]

guardando i 2 grafici il predicted resto intorno al punto medio di 39-40 non distante dalla media dei 90 numeri ( 45 ). se non è un valore di previsione ( più o meno coppia 39-40 circa eventualmente da porre in gioco ) non capisco cosa sia.

penso ci sia qualcosa di meglio della media. anche utilizzando una semplice Polinomiale abbiamo una variazione della tendenza decisamente migliore. di seguito un esempio di Polinomiale su Range di 100 estraz. di FIRENZE con Fine data analisi al 12/03/2024
Doppio esito del 51 al 1° & 2° Colpo. ( Residuo MIN. Target colonna del 5° estratto )

Innanzi tutto complimenti ancora per le analisi spaziali che riesci a condurre Halmun (mi piacerebbe tanto riuscire a capirci qualcosa... anche con il sw free che hai indicato oggi gretl) poi non so se sia meglio la semplice... polinomiale (che non so assolutamente cosa sia) o la media utilizzata da RNN (idem...) ma quel che è certo.. è che analizzando le ultime 100 es su FI l'RNN (anche se purtroppo non l'ho postate dal punto di vista numerico ma solo grafico) avrebbe dato la lunghetta dal 36 al 43 e al secondo colpo in questa c8 sarebbe uscito 41-43.

Sperando in tuoi ulteriori insegnamenti però magari a livello ultra base rispetto gli strumenti che utilizzi e le tue straordinarie conoscenze in tal senso ti saluto

 

[Halmun]

Innanzi tutto complimenti ancora per le analisi spaziali che riesci a condurre Halmun (mi piacerebbe tanto riuscire a capirci qualcosa... anche con il sw free che hai indicato oggi gretl) poi non so se sia meglio la semplice... polinomiale (che non so assolutamente cosa sia) o la media utilizzata da RNN (idem...) ma quel che è certo.. è che analizzando le ultime 100 es su FI l'RNN (anche se purtroppo non l'ho postate dal punto di vista numerico ma solo grafico) avrebbe dato la lunghetta dal 36 al 43 e al secondo colpo in questa c8 sarebbe uscito 41-43.

Sperando in tuoi ulteriori insegnamenti però magari a livello ultra base rispetto gli strumenti che utilizzi e le tue straordinarie conoscenze in tal senso ti saluto

come detto prima c'è qualcosa di meglio della media se si vogliono fare previsioni. anche EXCEL fornisce funzioni adatte al caso senza scomodare Pithon che, se non si ha un'esperienza maturata nel tempo la vedo dura ottenere qualcosa di più. io, non sapendo programmare, preferisco scaricarmi software dedicati a ciò che mediamente intendo fare, e col tempo me li studio. al riguardo credo sia la soluzione migliore, perchè chi ha creato detti software sa decisamente meglio di Noi quello che fa, e soprattutto quello che la gente vuole ottenere da determinate analisi statistiche.

 

[lotto_tom75]

Nuovo tipo di analisi con AI... e python

Ecco l'elenco dei numeri da 1 a 90 con la rappresentazione binaria di 7 bit, senza il primo 0:

1. 0000001
2. 0000010
3. 0000011
4. 0000100
5. 0000101
6. 0000110
7. 0000111
8. 0001000
9. 0001001
10. 0001010
11. 0001011
12. 0001100
13. 0001101
14. 0001110
15. 0001111
16. 0010000
17. 0010001
18. 0010010
19. 0010011
20. 0010100
21. 0010101
22. 0010110
23. 0010111
24. 0011000
25. 0011001
26. 0011010
27. 0011011
28. 0011100
29. 0011101
30. 0011110
31. 0011111
32. 0100000
33. 0100001
34. 0100010
35. 0100011
36. 0100100
37. 0100101
38. 0100110
39. 0100111
40. 0101000
41. 0101001
42. 0101010
43. 0101011
44. 0101100
45. 0101101
46. 0101110
47. 0101111
48. 0110000
49. 0110001
50. 0110010
51. 0110011
52. 0110100
53. 0110101
54. 0110110
55. 0110111
56. 0111000
57. 0111001
58. 0111010
59. 0111011
60. 0111100
61. 0111101
62. 0111110
63. 0111111
64. 1000000
65. 1000001
66. 1000010
67. 1000011
68. 1000100
69. 1000101
70. 1000110
71. 1000111
72. 1001000
73. 1001001
74. 1001010
75. 1001011
76. 1001100
77. 1001101
78. 1001110
79. 1001111
80. 1010000
81. 1010001
82. 1010010
83. 1010011
84. 1010100
85. 1010101
86. 1010110
87. 1010111
88. 1011000
89. 1011001
90. 1011010



Al momento sto tentando di ottenere un singolo numero analizzando una singola colonna alla volta dal 1871... (il 29 condiviso su FI ne è un esempio...). Tenterò anche di analizzare le singole 7 colonne (sempre dal 1871) e di ricomporre alla fine la sequenza finale a 7 bit... corrispondente in teoria al numero ipoteticamente "predetto..."

In sostanza sto cercando di prendere alla lettera.. e di applicare... il famoso detto "riduci il problemone ai minimi termini per cercare di risolverlo..."

[continue...]

 

[joe]

Tom ... si ma,

1 in base decimale e 00000001 in binario, sono la stessa cosa.

Di seguito, i bit, non hanno tutti lo stesso peso, tant'è che se ricordo bene

sono classificati con sigle del tipo "più significativo" e "meno significavo".

Nelle quali "M" che sta per Most e "L" per indicare il Less, ovvero il meno significativo.

Comunque è idea che ho considerato (e scartato) che se comunque avrà un seguito è interessante.

 

[lotto_tom75]

Tom ... si ma,

1 in base decimale e 00000001 in binario, sono la stessa cosa.

Di seguito, i bit, non hanno tutti lo stesso peso, tant'è che se ricordo bene

sono classificati con sigle del tipo "più significativo" e "meno significavo".

Nelle quali "M" che sta per Most e "L" per indicare il Less, ovvero il meno significativo.

Comunque è idea che ho considerato (e scartato) che se comunque avrà un seguito è interessante.

Ciao joe non ho capito la storia dell'1 nè del M nè del L.... Se puoi spiegarmelo in altre parole... ti ringrazio

per quanto riguarda il mio tentativo di analizzare la situazione in "binario" con l'aiuto di script python doc realizzati con AI lo sto facendo per cercare, come scritto sopra, di ridurre il problemone "la previsione sui 90 numeri" ai minimi termini.. ovvero in 7 sequenze di soli 0 e 1 per ogni numero "predetto" da ricomporre in decimale solo alla fine del processo di analisi.

Per adesso sono riuscito a trasformare in binario qualsiasi archivio di ruota voluta per il range desiderato e a scomporlo a sua volte nei 5 file a 7 bit relativi...

Ora sto cercando di analizzare questi 5 file (ognuno suddiviso a sua volta in 5 file txt a 7 bit) in modo da rilevare possibilmente schemi o pattern ricorrenti o altre anomalie/comportamenti che possano in qualche modo far preferire per quella posizione di bit analizzata il valore 0 o 1 per la successiva estrazione rispetto l'ultima gestita...

Il problema maggiore che sto riscontrando è una netta preferenza..., da parte di tutti i modelli di analisi neurale (per adesso una decina tra tutti quelli della lunga lista) finore testati, per il valore binario 0...

 

[joe]

È una conseguenza di quello che ti ho scritto.

Ci sono solo zero ed uno, ma pesano, cioè hanno valori diversi a seconda della loro posizione.

Dal più pesante il "Most" al più leggero il "Less".

Most (To) Less SIGNIFICATIVO.

Ciò che contano sono gli UNO (nella logica positiva)

E gli spazi che li separano (o che non occupano)

e/o che non "contano" ... sono gli ZERO che contano di più.

Sono di più gli "Zeri" dunque sono predominanti

Finiscono per pesare di più degli "uno".

Per esempio, nel sistema decimale (correntemente) 1 ha 1 cifra.

In quello binario è "sotterrato" da 6 o 7 zeri.

Stesso discorso ed ancora più è per il 64, che per essere tale, necessariamente,

deve essere "retto" da un grande quantitativo di zeri.

6 Zeri dal meno significativo prima di arrivare ad avere il primo bit più significativo.

Cioè quello stesso "1" che ti calcola lo script e che hai avuto dall'IA.

 

[lotto_tom75]

Forse una delle possibili soluzioni riduzionali potrebbe consistere nel vedere x ogni colonna dei 7 bit per ogni singolo numero quale ultimo pattern binario di tot lunghezza (es 7 bit verticali) si presenta più e più volte lungo la stessa rispettiva colonna binaria esaminata e vedere quale bit (se 0 o 1) si presenta più volte dopo lo stesso.. E scegliere il valore a fq max. E poi rifare la stessa analoga analisi e scelta x ognuna delle altre 6 colonne di bit e per ognuna delle altre 5 sequenze binarie di 7 bit ciascuna per ognuno dei 5 estratti..

Only a fish joke or a new real functional reductional preditictive mode?


(Continue...)


Buona Pasquetta e buon 1 Aprile.

 

[Halmun]

Nuovo tipo di analisi con AI... e python

Ecco l'elenco dei numeri da 1 a 90 con la rappresentazione binaria di 7 bit, senza il primo 0:

1. 0000001
2. 0000010
3. 0000011
4. 0000100
5. 0000101
6. 0000110
7. 0000111
8. 0001000
9. 0001001
10. 0001010
11. 0001011
12. 0001100
13. 0001101
14. 0001110
15. 0001111
16. 0010000
17. 0010001
18. 0010010
19. 0010011
20. 0010100
21. 0010101
22. 0010110
23. 0010111
24. 0011000
25. 0011001
26. 0011010
27. 0011011
28. 0011100
29. 0011101
30. 0011110
31. 0011111
32. 0100000
33. 0100001
34. 0100010
35. 0100011
36. 0100100
37. 0100101
38. 0100110
39. 0100111
40. 0101000
41. 0101001
42. 0101010
43. 0101011
44. 0101100
45. 0101101
46. 0101110
47. 0101111
48. 0110000
49. 0110001
50. 0110010
51. 0110011
52. 0110100
53. 0110101
54. 0110110
55. 0110111
56. 0111000
57. 0111001
58. 0111010
59. 0111011
60. 0111100
61. 0111101
62. 0111110
63. 0111111
64. 1000000
65. 1000001
66. 1000010
67. 1000011
68. 1000100
69. 1000101
70. 1000110
71. 1000111
72. 1001000
73. 1001001
74. 1001010
75. 1001011
76. 1001100
77. 1001101
78. 1001110
79. 1001111
80. 1010000
81. 1010001
82. 1010010
83. 1010011
84. 1010100
85. 1010101
86. 1010110
87. 1010111
88. 1011000
89. 1011001
90. 1011010



Al momento sto tentando di ottenere un singolo numero analizzando una singola colonna alla volta dal 1871... (il 29 condiviso su FI ne è un esempio...). Tenterò anche di analizzare le singole 7 colonne (sempre dal 1871) e di ricomporre alla fine la sequenza finale a 7 bit... corrispondente in teoria al numero ipoteticamente "predetto..."

In sostanza sto cercando di prendere alla lettera.. e di applicare... il famoso detto "riduci il problemone ai minimi termini per cercare di risolverlo..."

[continue...]

un modo x semplificare le cose è trasformarlo in Trinario ( vedi foto ). e da tutti i test con le RN fin'ora effettuati per il 1° colpo successivo abbiamo una buona media che si attesta su 3-4 valori centrati su 7. la trasformazione in Trinario pare migliori le cose, ma tieni sempre presente che alla stringa numerica prevista si dovrà poi ammettere almeno un *errore ammesso* come minimo, quindi la stringa binaria finale ne richiamerà x forza di cose altre 7 che eventualmente potrai utilizzare x sorti superiori. di norma è raro che la Stringa-Madre prevista possa centrare il colpo, questo perchè vorrebbe dire che la RN ne ha centrati 7 su 7 e almeno per quel che riguarda tutti i test effettuati in anni di prove sono casi che rientrano nella media probabilistica di qualsiasi procedimento. cmq. l'idea è buona, e con dovute ed altre accortezze porterà risultati. ( convergenze con altri procedimenti ).

 

[Halmun]

x rendere l'idea più chiara, a tutti gli Zeri che precedono il 1° ( 1 ) dovrai mettere la cifra 2
esempio:

stringa binaria = 0001110 = 14 .... trasformato in Trinario = 2221110

 

[Halmun]

esempio di Errore ammesso -1 ( N-1 Integrale )