負けが繰り返された後、人々が脱落したりベットを減らしたりするかどうかをテストする

私は、各ラウンドの後に5ラウンド以上の賭けで損耗を伴う一連の勝ち負けの賭けに関するデータを持っています。次のようなディシジョンツリーを使用してデータを表示しています。

ツリーの上部にあるノードは、勝ちの賭けをしているノードであり、ツリーの下部にあるノードは、負けの賭けの実行を持っています。（a）各ノードでの消耗（b）各ノードでの平均ベットサイズの変化を確認したいと思います。前のノードからの各ノードの消耗率と生存率（確率が50％の場合に各ノードで予想される人数を使用）を調べています。たとえば、確率が各ノードで50％の場合、開始された1000のうち、約500人が2番目のノードWとLにいるはずです。仮説は（a）損耗率賭け（b）は、賭けのサイズが敗者の後に減少し、勝者の後に引き上げられることを意味します。

最初に、これを非常に単純な一変量設定で実行したいだけです。50人が脱落した場合、ノードWWからノードWWWへの平均ベットサイズの変化が統計的に有意であることを示すために、どのようにt検定を実行できますか？これが正しいアプローチであるかどうかはわかりません。後続の各ベットは独立していますが、敗者の後に人々は脱落しているため、サンプルは一致しません。同じクラスが一連の試験を次々と受験し、誰も脱落することのない場合であれば、適切なt検定の実行方法は理解できますが、これは少し異なると思います。

これどうやってするの？また、結果が少数の顧客によって歪められている場合、どうすれば上位5％と下位5％を取り除くことができますか？累積賭け金が最も高い顧客をベット1-3から削除するだけですか？

図が生成された元のデータがあるので、各ノードに平均値、標準誤差、標準誤差などがあります。

敗者の方が勝者よりも脱落しがちだったように見えます。

一連の分割表を試して、上記が統計的に有意であるかどうかを確認できます。たとえば、最初のベットの勝者450人のうち、25人が脱落して425人が残り、550人の敗者のうち150人が脱落し、400人が残りました。等。

この応答はおそらく少し外れたトピックになるでしょうが、私は何がトピックであるかから始めます。特に、WWからWWWへの平均ベットサイズの変化が重要かどうかを尋ねられた場合、これらのノードの両方に到達しなかった人は無視します。この分析の目的が将来の行動の予測を可能にすることである場合、ゲームが偶然のゲームではない場合でも、試験のメカニズムは将来の行動のメカニズムをエミュレートするためにうまく機能するはずです。誰かがWWからWWWに行く人のタイプでない場合、誰かの賭けがWWからWWWにどのように変わるかを測定するポイントは何ですか。

とはいえ、一般的に、特定の母集団を体系的に除外することは明らかに望ましくありません。このデータが提供された場合、より実行可能なタイプの分析に焦点を当てます。最も注目すべきは（特にこれが偶然のゲームではない場合）、同じようなノードのプレーヤーには多くの共通点があります。彼らは（W、L）の同じシーケンスを持っていて、残っていません。ノードに依存する動作をマルチレベルモデルの形で制御しながら、「賭けのサイズと消耗に与えるラウンドを失うことの影響は何ですか」の質問に答えることはかなり可能です。

最後のアドバイスは、ラウンドごとのプレーヤーレベルの違いに焦点を当てることです。少し後に5セント下がる平均ベットは統計的に重要ではないかもしれませんが、プレーヤーのベットの90％はおそらく下がるでしょう。