Investigación Aplicada de Tragamonedas y Datos Abiertos
Estudios empíricos reproducibles, simulaciones Monte Carlo de 100M de tiradas y herramientas abiertas de verificación para RTP e índices de volatilidad.
Expectativa, Índices de Volatilidad y Convergencia de Ganancias: Estudio de 100M
Análisis de convergencia en tragamonedas de volatilidad Baja, Media, Alta y Extrema, cuantificando intervalos de confianza y degradación de RTP.
// Open Science Artifacts & Datasets
Matriz de Simulación de RTP y Varianza
Registros de convergencia Monte Carlo en 4 niveles de volatilidad y horizontes de hasta 10M de tiradas con intervalos de confianza del 95%.
Matriz de Auditoría de Configuración de RTP
Auditoría en 12 títulos populares comparando la versión certificada de 96.5% frente a versiones degradadas de 94.5%, 92.5% y 88.5%.
Script de Verificación (Python 3)
Script en Python que comprueba la integridad de filas, la tasa de reducción del error típico y paridad de margen del operador.
// Convergencia Empírica de RTP y Varianza (Muestra)
Muestra auditada de vectores de convergencia Monte Carlo en función de la volatilidad hasta 10 millones de tiradas:
| Nivel Volatilidad | Tiradas | RTP Real | RTP Teórico | Error Típico (SE) | Intervalo Conf. 95% | Valor p |
|---|---|---|---|---|---|---|
| Low | 1,000 | 98.24% | 96.50% | 1.107% | [94.33%, 98.67%] | 0.116 |
| Low | 100,000 | 96.48% | 96.50% | 0.111% | [96.28%, 96.72%] | 0.857 |
| Low | 10,000,000 | 96.50% | 96.50% | 0.011% | [96.48%, 96.52%] | 0.928 |
| High | 1,000 | 89.60% | 96.50% | 4.427% | [87.82%, 105.18%] | 0.120 |
| High | 100,000 | 96.12% | 96.50% | 0.443% | [95.63%, 97.37%] | 0.389 |
| High | 10,000,000 | 96.50% | 96.50% | 0.044% | [96.41%, 96.59%] | 0.982 |
| Extreme | 1,000 | 74.20% | 96.50% | 7.589% | [81.63%, 111.37%] | 0.003 |
| Extreme | 100,000 | 95.30% | 96.50% | 0.759% | [95.01%, 97.99%] | 0.114 |
| Extreme | 10,000,000 | 96.50% | 96.50% | 0.076% | [96.35%, 96.65%] | 0.991 |
// Ciencia Abierta y Reproducibilidad
Todos los modelos empíricos y matrices de datos se publican bajo licencia internacional Creative Commons Attribution 4.0 (CC-BY-4.0).
Descarga los conjuntos de datos en formato CSV abierto.
Ejecuta el script Python para validar la convergencia y consistencia.
Aplica los vectores validados en tus simulaciones estadísticas.