Nuestro Amigo usuario de PROGOLIA , Antonio Rayas nos escribio lo siguiente
"Que tal,espero te encuentres bien!...,tengo una pregunta,no sabes entre
cuantas variantes se concentran el mayor número,lei que en España es
de entre 3 a 11 cón 60 y tantos porciento y entre 5 y 9 30 y tantos
o/o,en el progol no tienen ese dato?,te agradeceria mucho si lo tuvieras y
me pudieras dar ese dato. saludos y buena suerte"
Aqui te va lo que tengo y espero te sirva:
Denominamos "Variante" cualquier signo que no sea el "1". El signo "X" es una variante; el signo "2" también. En Mexico seria lo que no es Local osea E y V.
Voy a usar la siguiente nomenclatura (Minimas variantes inclusive, Maximas Variantes Inclusive= LAs veces que ha aparecido en las ultimas 200 Progoles
(3,8)= 57.36%
(3,9)=78.17%
(3,10)=92.39%
(3,11)=99.49%
(4,8)= 56.85%
(4,9)=77.66%
(4,10)=91,88%
(4,11)=98,98%
(5,8)=53.81%
(5,9)=74,62%
(5,10)=88,83%
(5,11)=95,94%
Habra que diferenciar 2 cosas, cuanas variantes hay en el universo 1X2, eso es lo mismo que en España ya quie tomas en cuenta las 4.7 Millones de columnas y asi ves cuantas quieres eliminar.
Eso lo puede calcular con el Free1x2, poniendo cuanas varianesquieres y poniendo X y 2 al al 100%, osea que tome en cuenta todas las probabilidades.
por ejemplo [4,11]=84.40% es la cantidad de columnas en todo el universo 1X2 o en Mexico seria Universo LEV
Lo que yo hago es lo siguiente:
Calculo cual es el mejor indece entre columnas no eliminadas y columnas premiadas historicamente
Ahi te va un ejemplo
[4,10]=73.81%
[4,11]=84.40%
Esto se lee mas o menos asi, de todas las diferentes 4.7 y pico de combinaciones posibles el 73.81% tienen entre 4 y 10 variantes
Y tenemos
(4,10)=91,88%
(4,11)=98,98%
y Esto se lee asi, de los ultimos 200 concursos PROGOL las quinielas ganadoras han estado 73.81% cuando tienen entre 4 y 10 variantes
Indice4,10=[4,10]/(4,10)=1.2448
Indice4,11=[4,11]/(4,11)=1.1727
Entonces escogemos el Mayor indice y usamos en este caso Variantes entre 4 y 10
Espero haberte ayudado y con gusto platicamos si tienes mas dudas
Exito
CositoMayor
sábado, 23 de febrero de 2008
domingo, 17 de febrero de 2008
Recocido Simulado
Aqui les va aldo de teoria para aquellos amantes de las matematicas, el caos y que no tienen amigos o novias o familias que los quieran y prefieren pasarse el fin de semana alusinando con algoritmos y definiciones matematicas.
Si tu eres uno de los mios, aqui te dejo algo para empezar
El metodo del recocido se utiliza en la industria para obtener materiales mas resistentes, o mas cristalinos, en general, para mejorar las cualidades de un material.
El proceso consiste en “derretir” el material (calentarlo a muy alta temperatura). En esa situacion, los atomos adquieren una distribucion “azarosa” dentro de la estructura del material y la energia del sistema es maxima. Luego se hace descender la temperatura muy lentamente por etapas, dejando que en cada una de esas etapas los atomos queden en equilibrio (es decir, que los atomos alcancen una configuracion optima para esa temperatura). Al final del proceso, los atomos forman una estructura cristalina altamente regular, el material alcanza asi una maxima resistencia y la energia del sistema es minima.
Experimentalmente se comprueba que si la temperatura se hace descender bruscamente o no se espera suficiente tiempo en cada etapa, al final la estructura del material no es la optima.
La rama de la Fisica llamada Mecanica Estadistica se encargo de desarrollar una serie de metodos para estudiar el comportamiento de grandes cantidades de atomos de un sistema. Debido a que en promedio, en un sistema hay 1023 atomos por cm3, solamente puede estudiarse el comportamiento mas probable del sistema en equilibrio a una dada temperatura. La experimentacion mostro que los atomos de un sistema en un proceso de recocido se comportan según el factor de probabilidad de Boltzman. En 1953 Metropolis modelo el proceso de recocido: en cada paso del algoritmo se le da al atomo un desplazamiento azaroso y se mide el cambio de energia E. Si E 0 se acepta el desplazamiento. Si E > 0, se acepta el desplazamiento con probabilidad exp (-E / T.K), donde T es la temperatura del sistema y K es la constante de Boltzman.
The simulated annealing method (El metodo del Recocido Simulado)
Sea S el conjunto de soluciones posibles del sistema (a las que identificamos con los diferentes “estados del sistema”) y tenemos dada una funcion costo sobre los elementos de S (a la que identificamos con la “energia del sistema”). Se quiere encontrar un elemento en S que minimize la funcion costo (analogamente, se trata de encontrar un estado en el cual la energia del sistema sea minima). Asumimos que los estados del sistema tienen la funcion de distribucion de probabilidad de Boltzman, i.e., la probabilidad de que el sistema se encuentre en el estado j es:
P (j) = (1/Zt) exp [- c(j) / t]
Donde Zt = exp [- c(i) / t] (suma sobre todos los elementos i de S)
t es la temperatura del sistema y c(i) es el costo de la solucion i.
Sea S* el subconjunto de S de las soluciones que minimizan c (globalmente, es decir soluciones optimas del problema). Para t suficientemente chico:
exp [- c(j*) / t] >> exp [- c(j) / t]
para todo j != j*
Entonces:
P (j) = exp [- c(j) / t] / {S* exp [- c(j*) / t]} = 0 si j != j*
1/S* si j = j*
(Esto se obtiene de tomar t tendiendo a 0)
Por lo tanto: P (j*) = 1 (suma sobre todos los j* en S*).
Simulated Annealing Algorithm (Algoritmo de Recocido Simulado)
Version monotona
El algoritmo se divide en etapas. A cada etapa le corresponde una temperatura menor que la que tenia la etapa anterior (a esto hace referencia la monotonia: despues de cada etapa la temperatura baja, se enfria el sistema). Por lo tanto hace falta un criterio de cambio de la temperatura (“cuanto tiempo” se espera en cada etapa para dar lugar a que el sistema alcance su “equilibrio termico”).
Datos iniciales y parametros a ser definidos para poder inicializar el algoritmo:
Temperatural inicial (T0)
La temperatura inicial T0 debe ser una temperatura que permita casi (o todo) movimiento, es decir que la probabilidad de pasar del estado i al j (en N(i)) sea muy alta, sin importar la diferencia c(j) – c(i). Esto es que el sistema tenga un alto grado de libertad. En problemas como TSP, donde el input son los nodos de un grafo y las soluciones posibles son distintas formas de recorrer estos nodos, pude tomarse T0 proporcional a la raiz cuadrada de la cantidad de nodos. En general se toma un valor T0 que se cree suficientemente alto y se observa la primera etapa para verificar que el sistema tenga un grado de libertad y en funcion de esta observacion se ajusta T0.
Solucion inicial (i0)
En todas las versiones, el sistema debe ser “derretido” antes de implementar el algoritmo. Esto es que la solucion factible incial que llamamos i0 deberia ser una solucion tomada al azar del conjunto de soluciones factibles. En algunos problemas esto puede hacerse utilizando pseudo-random numbers provistos por una maquina (ejemplo de esto es el bandwidth problem). Pero en muchos casos ya es problemático encontrar una solucion, por lo que es imposible tomar una al azar. En estos casos se implementa un algoritmo “greedy” tipo local search para buscar una solucion factible y se toma esta como i0 (ejemplo de esto es el TSP).
Funcion entorno (N)
Factor de enfriamiento
Tnext = T (factor de enfriamiento geometrico, < 1, muy cercano a 1)
Tnext = 1 / (1 + T) (donde es un real positivo cercano a cero)
Criterio de cambio de la temperatura
Se usan dos parametros: K = cantidad de iteraciones que estamos dispuestos a hacer en cada etapa (equivalente a la cantidad de tiempo que vamos a esperar a que el sistema alcance su equilibrio termico para una dada temperatura T); A = cantidad de aceptaciones que se permiten hacer en cada etapa.
A medida que T disminuye se supone que al sistema le resulta mas dificil alcanzar un equilibrio porque es mas dificultoso el movimiento, entonces hay que esperar mas tiempo, esto se traduce en aumentar K.
Parametro de aumento de K (, se usan valores alrededor de 1,05)
Criterio de STOP
a) Lundy and Mees: si el algoritmo se detiene cuando T < / [ln (#S – 1)/]
Donde #S es el cardinal del conjunto de soluciones (debe tenerse un metodo de estimar este valor).
Entonces, si i es la solucion que da el algoritmo e i* en un optimo global,
P(|c(i) – c(i*)| < ) =
b) En general se utiliza un parametro de congelamiento (frozen: FRZN). Como a medida que disminuye la temperatura, aumenta el parametro K y A permanece constante, la proporcion A/K se hace pequeña. Asumimos que si A/K < FRZN el sistema esta congelado (la cantidad de aceptaciones respecto de la cantidad de iteraciones es muy chica, esto da la idea de que cambiar de configuracion es muy dificil).
El algoritmo:
1. i = i0
2. T = T0
3. K = K0
4. while (condicion de STOP)
5. while (k < K && a < A)
6. generar j en N(i)
7. if (c(j) – c(i) < 0)
8. i = j
9. a = a + 1
10. else
11. generar un numero r al azar (pseudo-random number)
12. if (r < exp [(c(i) – c(j))/T])
13. i = j
14. a = a + 1
15. k = k + 1
16. T = T
17 K = K
18. k = 0
19. a = 0
20. mostrar i, c(i)
Si tu eres uno de los mios, aqui te dejo algo para empezar
El metodo del recocido se utiliza en la industria para obtener materiales mas resistentes, o mas cristalinos, en general, para mejorar las cualidades de un material.
El proceso consiste en “derretir” el material (calentarlo a muy alta temperatura). En esa situacion, los atomos adquieren una distribucion “azarosa” dentro de la estructura del material y la energia del sistema es maxima. Luego se hace descender la temperatura muy lentamente por etapas, dejando que en cada una de esas etapas los atomos queden en equilibrio (es decir, que los atomos alcancen una configuracion optima para esa temperatura). Al final del proceso, los atomos forman una estructura cristalina altamente regular, el material alcanza asi una maxima resistencia y la energia del sistema es minima.
Experimentalmente se comprueba que si la temperatura se hace descender bruscamente o no se espera suficiente tiempo en cada etapa, al final la estructura del material no es la optima.
La rama de la Fisica llamada Mecanica Estadistica se encargo de desarrollar una serie de metodos para estudiar el comportamiento de grandes cantidades de atomos de un sistema. Debido a que en promedio, en un sistema hay 1023 atomos por cm3, solamente puede estudiarse el comportamiento mas probable del sistema en equilibrio a una dada temperatura. La experimentacion mostro que los atomos de un sistema en un proceso de recocido se comportan según el factor de probabilidad de Boltzman. En 1953 Metropolis modelo el proceso de recocido: en cada paso del algoritmo se le da al atomo un desplazamiento azaroso y se mide el cambio de energia E. Si E 0 se acepta el desplazamiento. Si E > 0, se acepta el desplazamiento con probabilidad exp (-E / T.K), donde T es la temperatura del sistema y K es la constante de Boltzman.
The simulated annealing method (El metodo del Recocido Simulado)
Sea S el conjunto de soluciones posibles del sistema (a las que identificamos con los diferentes “estados del sistema”) y tenemos dada una funcion costo sobre los elementos de S (a la que identificamos con la “energia del sistema”). Se quiere encontrar un elemento en S que minimize la funcion costo (analogamente, se trata de encontrar un estado en el cual la energia del sistema sea minima). Asumimos que los estados del sistema tienen la funcion de distribucion de probabilidad de Boltzman, i.e., la probabilidad de que el sistema se encuentre en el estado j es:
P (j) = (1/Zt) exp [- c(j) / t]
Donde Zt = exp [- c(i) / t] (suma sobre todos los elementos i de S)
t es la temperatura del sistema y c(i) es el costo de la solucion i.
Sea S* el subconjunto de S de las soluciones que minimizan c (globalmente, es decir soluciones optimas del problema). Para t suficientemente chico:
exp [- c(j*) / t] >> exp [- c(j) / t]
para todo j != j*
Entonces:
P (j) = exp [- c(j) / t] / {S* exp [- c(j*) / t]} = 0 si j != j*
1/S* si j = j*
(Esto se obtiene de tomar t tendiendo a 0)
Por lo tanto: P (j*) = 1 (suma sobre todos los j* en S*).
Simulated Annealing Algorithm (Algoritmo de Recocido Simulado)
Version monotona
El algoritmo se divide en etapas. A cada etapa le corresponde una temperatura menor que la que tenia la etapa anterior (a esto hace referencia la monotonia: despues de cada etapa la temperatura baja, se enfria el sistema). Por lo tanto hace falta un criterio de cambio de la temperatura (“cuanto tiempo” se espera en cada etapa para dar lugar a que el sistema alcance su “equilibrio termico”).
Datos iniciales y parametros a ser definidos para poder inicializar el algoritmo:
Temperatural inicial (T0)
La temperatura inicial T0 debe ser una temperatura que permita casi (o todo) movimiento, es decir que la probabilidad de pasar del estado i al j (en N(i)) sea muy alta, sin importar la diferencia c(j) – c(i). Esto es que el sistema tenga un alto grado de libertad. En problemas como TSP, donde el input son los nodos de un grafo y las soluciones posibles son distintas formas de recorrer estos nodos, pude tomarse T0 proporcional a la raiz cuadrada de la cantidad de nodos. En general se toma un valor T0 que se cree suficientemente alto y se observa la primera etapa para verificar que el sistema tenga un grado de libertad y en funcion de esta observacion se ajusta T0.
Solucion inicial (i0)
En todas las versiones, el sistema debe ser “derretido” antes de implementar el algoritmo. Esto es que la solucion factible incial que llamamos i0 deberia ser una solucion tomada al azar del conjunto de soluciones factibles. En algunos problemas esto puede hacerse utilizando pseudo-random numbers provistos por una maquina (ejemplo de esto es el bandwidth problem). Pero en muchos casos ya es problemático encontrar una solucion, por lo que es imposible tomar una al azar. En estos casos se implementa un algoritmo “greedy” tipo local search para buscar una solucion factible y se toma esta como i0 (ejemplo de esto es el TSP).
Funcion entorno (N)
Factor de enfriamiento
Tnext = T (factor de enfriamiento geometrico, < 1, muy cercano a 1)
Tnext = 1 / (1 + T) (donde es un real positivo cercano a cero)
Criterio de cambio de la temperatura
Se usan dos parametros: K = cantidad de iteraciones que estamos dispuestos a hacer en cada etapa (equivalente a la cantidad de tiempo que vamos a esperar a que el sistema alcance su equilibrio termico para una dada temperatura T); A = cantidad de aceptaciones que se permiten hacer en cada etapa.
A medida que T disminuye se supone que al sistema le resulta mas dificil alcanzar un equilibrio porque es mas dificultoso el movimiento, entonces hay que esperar mas tiempo, esto se traduce en aumentar K.
Parametro de aumento de K (, se usan valores alrededor de 1,05)
Criterio de STOP
a) Lundy and Mees: si el algoritmo se detiene cuando T < / [ln (#S – 1)/]
Donde #S es el cardinal del conjunto de soluciones (debe tenerse un metodo de estimar este valor).
Entonces, si i es la solucion que da el algoritmo e i* en un optimo global,
P(|c(i) – c(i*)| < ) =
b) En general se utiliza un parametro de congelamiento (frozen: FRZN). Como a medida que disminuye la temperatura, aumenta el parametro K y A permanece constante, la proporcion A/K se hace pequeña. Asumimos que si A/K < FRZN el sistema esta congelado (la cantidad de aceptaciones respecto de la cantidad de iteraciones es muy chica, esto da la idea de que cambiar de configuracion es muy dificil).
El algoritmo:
1. i = i0
2. T = T0
3. K = K0
4. while (condicion de STOP)
5. while (k < K && a < A)
6. generar j en N(i)
7. if (c(j) – c(i) < 0)
8. i = j
9. a = a + 1
10. else
11. generar un numero r al azar (pseudo-random number)
12. if (r < exp [(c(i) – c(j))/T])
13. i = j
14. a = a + 1
15. k = k + 1
16. T = T
17 K = K
18. k = 0
19. a = 0
20. mostrar i, c(i)
PROGOLIA
Progolia es un programa que utiliza un algoritmo de Inteligencia artificial conocido como RECOCIDO SIMULADO, el cual simula los cambios energéticos en un sistema de partículas conforme decrece la temperatura, hasta que converge a un estado estable (congelado). Las leyes de la termodinámica dicen que a una temperatura t la probabilidad de un incremento energético de magnitud dE se puede aproximar por
P[dE]=exp(-dE/kt)
Siendo k una constante física denominada de Boltzmann.
Básicamente lo que hace el algoritmo es buscar las quinielas con mas probabilidades de ser ganadoras de algún premio ya sea primero, segundo, tercero o cuarto. Y elimina aquellas de baja probabilidad de éxito.
Progolia incrementa tus probabilidades de ganar un premio más de 100 veces
Garantía de satisfacción al 100% (o te regreso tu dinero)
Adquierelo en
http://articulo.mercadolibre.com.mx/MLM-19477733-progolia-incrementa-tus-probabilidades-de-ganar-progol-_JM
http://oferta.dereto.com.mx/id=19401434_progolia-incrementa-tus-probabilidades-de-ganar-p
P[dE]=exp(-dE/kt)
Siendo k una constante física denominada de Boltzmann.
Básicamente lo que hace el algoritmo es buscar las quinielas con mas probabilidades de ser ganadoras de algún premio ya sea primero, segundo, tercero o cuarto. Y elimina aquellas de baja probabilidad de éxito.
Progolia incrementa tus probabilidades de ganar un premio más de 100 veces
Garantía de satisfacción al 100% (o te regreso tu dinero)
Adquierelo en
http://articulo.mercadolibre.com.mx/MLM-19477733-progolia-incrementa-tus-probabilidades-de-ganar-progol-_JM
http://oferta.dereto.com.mx/id=19401434_progolia-incrementa-tus-probabilidades-de-ganar-p
sábado, 2 de febrero de 2008
PROGOLIA
Bienvenidos al Blog de Progolia, el primer Software de Inteligencia Artificial para generar Qunielas Ganadoras
Suscribirse a:
Entradas (Atom)