example of a tennis match, we can d

example of a tennis match, we can describe a game, tiebreaker, set and match through
the graphs depicted in Figures 1,2,3,4. In our case, the Markov models operate on states
representing the current score in context of the game, set, tiebreaker or match. Given a
game, a transition between any two states is caused by one of the players scoring a point
in a rally during which she or her opponent were serving. Associated with the transitions
are appropriate probabilities of the players winning a point on serve and return. The
outcome of any of those models is the fact that the player has won or lost the given event.
This can be scaled up to other parts of the match as shown in the Figures mentioned.
Basing on the idea of hierarchical, stochastic Markov models, both O’Malley [2] as well
as Barnett [15] arrive with formulae for calculating the estimated probabilities of players
winning each stage of a tennis match. Those are presented in the subsequent subsections.
The idea of a tennis match as a Markov chain and modelling it as a Markov model gives
elegant, efficient and easy to automate solutions. Thanks to the work of Barnett [15] and
O’Malley [2] we can easily code up the calculations in the form of software and construct
prediction programmes requiring a minimal number of parameters to produce accurate
and reliable results

ผลลัพธ์ (ไทย) 1:

ตัวอย่างของการแข่งขันเทนนิส เราสามารถอธิบาย tiebreaker เกม ตั้งค่า และตรงผ่านกราฟที่แสดงในตัวเลข 1,2,3,4 ในกรณี รุ่น Markov มีในอเมริกาแทนคะแนนปัจจุบันในบริบทของเกม ตั้ง ค่า tiebreaker หรือตรงกับ ได้รับการเกม เปลี่ยนระหว่างสองสถานะใด ๆ เกิดจากหนึ่งในผู้เล่นคะแนนจุดในการชุมนุมซึ่งเธอหรือเธอฝ่ายตรงข้ามได้ให้บริการ เกี่ยวข้องกับการเปลี่ยนมีกิจกรรมที่เหมาะสมของผู้เล่นที่ชนะจุดในการให้บริการ และส่งกลับ ที่ผลของรูปแบบเหล่านั้นคือ ความจริงที่ว่า เล่นชนะ หรือแพ้เหตุการณ์กำหนดสามารถปรับขนาดได้ตรงตามที่แสดงในตัวเลขที่กล่าวถึงส่วนอื่น ๆอ้างอิงจากแนวคิดของโมเดล Markov สโทแคสติก ลำดับชั้น ทั้ง O'Malley [2] เช่นเป็นบาร์เนต [15] ถึง มีสูตรสำหรับการคำนวณกิจกรรมประเมินผู้เล่นชนะแต่ละขั้นตอนของการแข่งขันเทนนิส ผู้ที่จะนำเสนอในส่วนย่อยต่อไปตรงกับความคิดของเทนนิสเป็นโซ่ Markov และแบบจำลองเป็นแบบ Markov รุ่นให้สง่างาม มีประสิทธิภาพ และง่ายต่อการทำโซลูชั่น ด้วยระบบการทำงานของบาร์เนต [15] และO'Malley [2] เราสามารถได้รหัสค่าการคำนวณในรูปของซอฟต์แวร์และโครงสร้างโปรแกรมทำนายต้องใช้จำนวนพารามิเตอร์การผลิตถูกต้องน้อยที่สุดและผลลัพธ์ที่เชื่อถือได้

ผลลัพธ์ (ไทย) 2:

ตัวอย่างของการแข่งขันเทนนิสเราสามารถอธิบายเกม tiebreaker,
การตั้งค่าและการแข่งขันผ่านกราฟที่ปรากฎในรูปที่1,2,3,4 ในกรณีของเรารุ่นมาร์คอฟทำงานในรัฐที่เป็นตัวแทนของคะแนนปัจจุบันในบริบทของเกมชุด tiebreaker หรือการแข่งขัน
กำหนดเกมการเปลี่ยนแปลงใด ๆ ระหว่างสองประเทศที่เกิดจากหนึ่งในผู้เล่นที่ทำคะแนนจุดในการชุมนุมในช่วงที่เธอหรือฝ่ายตรงข้ามของเธอถูกให้บริการ ที่เกี่ยวข้องกับการเปลี่ยนเป็นความน่าจะเป็นที่เหมาะสมของผู้เล่นที่ชนะจุดบนบริการและผลตอบแทน ผลใด ๆ ของโมเดลเหล่านั้นเป็นความจริงที่ว่าผู้เล่นที่ได้รับรางวัลหรือสูญหายเหตุการณ์ที่กำหนด. นี้สามารถปรับขึ้นไปยังส่วนอื่น ๆ ของการแข่งขันตามที่แสดงในรูปที่ดังกล่าว. พิจารณาจากความคิดของลำดับชั้นแบบมาร์คอฟสุ่ม, ทั้งโอมอลลี [2] รวมทั้งเป็นบาร์เน็ตต์[15] มาพร้อมกับสูตรสำหรับการคำนวณความน่าจะเป็นที่คาดกันของผู้เล่นที่ชนะในขั้นตอนของการแข่งขันเทนนิสแต่ละ ผู้ที่ถูกแสดงไว้ในหัวข้อย่อยที่ตามมา. ความคิดของการแข่งขันเทนนิสเป็นห่วงโซ่มาร์คอฟและการสร้างแบบจำลองเป็นรูปแบบมาร์คอฟให้สง่างามที่มีประสิทธิภาพและง่ายต่อการแก้ปัญหาโดยอัตโนมัติ ขอขอบคุณการทำงานของบาร์เน็ตต์บ [15] และโอมอลลี[2] เราสามารถรหัสได้ง่ายขึ้นการคำนวณในรูปแบบของซอฟแวร์และสร้างโปรแกรมการทำนายที่ต้องใช้จำนวนน้อยที่สุดของพารามิเตอร์ในการผลิตที่ถูกต้องผลและเชื่อถือได้