Проверьте, выпадают ли люди или уменьшают ставки после повторных проигрышей

У меня есть данные о серии выигрышных и проигрышных ставок за 5 раундов ставок с истощением после каждого раунда. Я использую дерево решений, подобное следующему, для отображения данных.

Узлы к вершине дерева - это те, которые имеют выигрышные ставки, а узлы к нижней части дерева имеют ряд проигрышных ставок. Я хочу посмотреть на (а) истощение в каждом узле (б) изменения средних размеров ставок в каждом узле. Я смотрю на уровень истощения в каждом узле от предыдущего узла и коэффициент выживания (используя ожидаемое количество людей в каждом узле, если вероятность составляет 50%). Например, если вероятность составляет 50% в каждом узле, из 1000 начавшихся примерно 500 человек должны быть в каждом из вторых узлов, W и L. Гипотеза состоит в том, чтобы (а) скорость истощения была выше после потери Ставки (b) означают, что размер ставки уменьшается после проигравших и повышается после победителей.

Я просто хочу сделать это в очень простой одномерной установке в первую очередь. Как я могу выполнить t-тест, чтобы показать, что изменение среднего размера ставки от узла WW к узлу WWW является статистически значимым, если выпало 50 человек? Я не уверен, что это правильный подход: каждая последующая ставка независима, но люди выбывают после проигравших, поэтому выборка не совпадает. Если бы это был случай, когда один и тот же класс сдавал серию экзаменов один за другим, и никто не выбывал, я бы понял, как выполнить соответствующий t-тест, но я думаю, что это немного по-другому.

Как я могу это сделать? Кроме того, если результаты искажаются небольшим количеством клиентов, как я могу вынуть верхние 5% и нижние 5%? Просто уберите клиентов с наибольшим совокупным размером ставки из ставки 1 - 3?

У меня есть данные, из которых была сгенерирована фигура, поэтому у меня есть среднее, стандартная ошибка, стандартная ошибка и т. Д. На каждом узле.

Кажется почти «очевидным, глядя», что проигравшие были более склонны выбывать, чем победители.

Вы можете попробовать набор таблиц непредвиденных обстоятельств, чтобы установить, является ли вышеуказанное статистически значимым. Например, из 450 победителей первой ставки 25 выпали, а 425 остались, а из 550 проигравших 150 выпали и 400 остались. И т.п.

Этот ответ, вероятно, будет немного не по теме, но я начну с того, что по теме. Если бы меня конкретно попросили определить, было ли значительное изменение среднего размера ставки от WW к WWW, я бы проигнорировал людей, которые не достигли обоих этих узлов. Если цель этого анализа состоит в том, чтобы иметь возможность предсказывать будущее поведение, то механика испытания должна преуспеть, чтобы подражать механике будущего поведения, даже если игра не является игрой случая. Какой смысл измерять, как чья-то ставка изменится с WW на WWW, если это не тот тип людей, с которого можно перейти с WW на WWW.

При этом, как правило, нам явно не нравится систематически исключать определенные группы населения. Если бы мне дали эти данные, я бы сосредоточился на более выполнимых видах анализа. Прежде всего (особенно если это не азартная игра), у игроков в похожем узле много общего. У них была та же последовательность (W, L) и не осталось. Ответы на вопросы в духе «Каково влияние проигрышного раунда на размер и истощение ставок» вполне выполнима при контроле поведения, зависящего от узла, в форме многоуровневой модели.

Последний совет - сосредоточиться на различиях уровней игроков от раунда к раунду. Средняя ставка, снижающаяся на 5 центов через некоторое время, может быть статистически незначимой, в то время как 90% ставок на игроков, понижение которых, вероятно, будет.