Hoe het project begon
Het begon als een spreadsheet. Een van ons hield een kolom worpen bij, een kolom inzetten en een kolom minuten. Na vier maanden zei de spreadsheet iets wat het geheugen nooit had gezegd: de goede avonden bestonden echt, en ze werden bijna precies opgeheven door de gewone. Wiskundig was daar niets verrassends aan. Als persoonlijk feit was het iets heel anders.
De spreadsheet had wel een grens. Tellen is makkelijk; weten of een telling iets betekent niet. Een totaal dat negen keer viel in vijftig worpen lijkt opmerkelijk, tot je uitrekent hoe vaak dat bij toeval gebeurt met eerlijke dobbelstenen — en het antwoord is: onophoudelijk. Elke speler die ooit een patroon meende te zien, voelde precies dit, en geen spreadsheet vertelt je aan welke kant van de lijn je staat.
Dus werd de spreadsheet een model. We verzamelden vastgelegde craps-worpen, ijkten de verwachte verdeling zoals het hoort en bouwden iets dat de enige zinvolle vraag beantwoordt: is deze afwijking groter dan wat toeval moeiteloos voortbrengt, of niet? Craps Black 2.0 is de vierde herschrijving van dat antwoord.
De engine: eerst de statistiek
Apex 2.0 begint met formele hypothesetoetsing, niet met patroonherkenning. Voor elk totaal, boxnummer, linewedde en bereik houdt de engine een verwachte frequentie aan, afgeleid uit de 36 combinaties van twee dobbelstenen — zes manieren om 7 te maken, precies één om 2 te maken, en alles wat daaruit volgt. Elke waargenomen telling wordt vervolgens tegen die verwachting gescoord als gestandaardiseerde afwijking, zodat een gat in standaardafwijkingen wordt gerapporteerd en niet in de taal van het onderbuikgevoel.
Die volgorde weegt zwaarder dan ze klinkt. Een model dat rechtstreeks van de data leert, leert maar al te graag de ruis — en craps is bijna volledig ruis. Door de verwachte verdeling eerst analytisch vast te leggen, valt er voor het geleerde deel niets meer te verzinnen: het kan alleen beschrijven hoe ver de sessie is afgedreven van een basislijn die het nooit zelf mocht kiezen.