BetSite
ΚΑΤΑΛΟΓΟΣ ΣΥΣΤΗΜΑΤΩΝ BETSITE => ΚΑΤΑΛΟΓΟΣ ΣΥΣΤΗΜΑΤΩΝ => Μήνυμα ξεκίνησε από: doctor στις Ιουλίου 24, 2025, 11:52:πμ
-
Με αφορμή την πρόσφατη ανάρτηση του Δημόκριτου σας ανεβάζω ενα σύστημα 7 διπλών για 100% 7αδα με 16 στήλες.
μοναδικός όροσ να μην υπάρχουν 3 συνεχόμενα 1-1-1 η Χ-Χ-Χ
Οι στήλες στην φωτο που ακολουθεί. οπου υπάρχει η ένδειξη Δ.Ε σημαίνει διπλή ευκαιρία.
(http://www.betsite.gr/AN7DIPL.gif)
-
Πολύ ωραίο!
Αν δεν κάνω λάθος παίζουμε με το 32, 81%
Σαν τροποποιητικη ιδέα ο κάθε ένας το μοντάρει όπως θέλει η το ρίχνει ατόφιο..
Εγώ θα έκανα χωρίς προβλέψεις πάλη..
1 σε U 1,85
Χ σε O 1,85
1Χ σε κενό η πρόβλεψη στάνταρ
Οπότε στήλες
1,2 παίζουν σαν 7αδα
3,4,5,6,7,8,9,10 παίζουν σαν 6αδα
11,12,13,14,15,16 παίζουν σαν 5αδα
Καθώς όπου έχει 1Χ Δ. Ε. Θα το είχα κενό
Σε ΑχΒ και της 7δες θα της έκανα
14αδες
13αδες
12αδες
11αδες
10αδες
Στήλες 256χ0,25€ = 64€
Οπότε οι αποδόσεις δελτίων θα παίζανε
14αδες 5,500. Χ. 0,25€ = 1375€. 1 πρως 21,48 της δαπάνης
13αδες 2972. Χ. 0,25€ = 743€. 1 πρως 11,60 της δαπάνης
12αδες 1606. Χ. 0,25€ = 401€. 1 πρως 6,2. της δαπάνης
11αδες 789. Χ. 0,25€ = 197€. 1 πρως 3,07. της δαπάνης
10αδες 426. Χ. 0,25€ = 106€. 1 πρως 1,65 της δαπάνης
Με δαπάνη 16 Χ 16 = 256 στήλες Χ 0,25€ = 64€
Με αυτόν τον τρόπο σκέψης εχουμε μαθηματικό πλεόνασμα κ ζητάμε μόνο τον όρο και τίποτα άλλο!
Doctor μ άρεσε το μοντάρισμα σου!
-
καλημέρα , το πολύ ελπιδοφόρο αυτό σύστημα του έκανα μια μικρή μετατροπή και ζητώ να το δείτε με διαφορετικό μάτι. Το εκανα με 2 ομαδες του 1 χ αλλα ελαχιστοποιωντας την απώλεια του ορου τρια συνεχόμενα ως εξης
Πρωτον αφαιρεσα ολα τα 1χ δε
Δευτερον τους αγωνες 101 και 105 τους αφησα με 1 και χ στις 16 στηλες
τους αγωνεσ 102 103 τους αλλαξα σε 101 αλλα
με gg ng o25 u25 όπως και τους 106 107 σε 102 ομοίως αλλα με μια σειρα που δεν μπορει να ισχυει
Δηλαδη εβαλα ως 1 το 1 gg u25 και χ to x ng o25 σε σειρα (δεν μπορει ο ιδιος αγωνας να εί
ναι 1 και σκορ 1-1 ουτε o25 και σκορ 0-0
Τελος το 104 το εκανα 101 με ng gg ωστε να μην ισχυει το τρια συνεχομενα.
Στις στηλες που προεκυψαν αφαιρεθηκαν τα διπλοτυπα και τα αντιθετα. Αυτο που προεκυψε ειναι το παρακατω 16 συστηματακια με δυαδες. εαν καθε συστηματακι το ισοπονταρουμε και υποθεσουμε οτι και οι δυο αγωνες ελθουν 1χ έχουμε κερδος?
101 X
101 GG
101 U25
102 1
102 NG
102 U25
101 X
101 GG
101 O25
102 X
102 GG
101 NG
102 X
102 NG
102 U25
101 GG
102 1
102 O25
101 1
101 O25
102 X
102 NG
102 U25
101 1
101 O25
102 1
102 NG
101 X
101 GG
101 U25
102 1
102 O25
101 NG
101 U25
102 1
102 O25
101 X
101 GG
101 O25
102 X
102 NG
102 U25
101 X
101 NG
102 X
102 GG
101 NG
101 U25
102 1
102 NG
102 U25
101 1
101 NG
101 U25
102 X
102 GG
101 GG
102 1
102 NG
102 U25
101 1
101 O25
102 X
102 GG
101 X
101 GG
101 O25
102 1
102 NG
101 X
101 U25
102 X
102 GG
-
καλησπερα
δηλαδη παιζουμε 16 δελτια με το συστημα δυαδες;
-
Πρωτα απολα το εδωσα για ελεγχο εαν παιζει. Δεν εχω τροπο να το ελνγξω ουτε τι πιθανοτητα επιτυχιας εχει. Περιμενω και εγω εαν μπορει ο doctor να το δει μιας και εχει συμπτυξει τις στηλες . Η ιδεα είναι να παιζονται 16 δυαδες με combo .Παραδειγμα η στηλη
101 X
101 GG
101 U25
102 1
102 NG
102 U25
θα παιχτει 101 x+gg+u25 δηλαδή σκορ 1-1 και το 102 ως Combo 1+NG+u25
-
καλημερα
ευχαριστω πολυ για την απαντηση
-
Με αφορμή την πρόσφατη ανάρτηση του Δημόκριτου σας ανεβάζω ενα σύστημα 7 διπλών για 100% 7αδα με 16 στήλες.
μοναδικός όροσ να μην υπάρχουν 3 συνεχόμενα 1-1-1 η Χ-Χ-Χ
Οι στήλες στην φωτο που ακολουθεί. οπου υπάρχει η ένδειξη Δ.Ε σημαίνει διπλή ευκαιρία.
(http://www.betsite.gr/AN7DIPL.gif)
Δεν ξέρω αν θα το δεις μετά απο τόσους μήνες αλλά θα ήθελα να μου λύσεις μια απορία Γιατι επιλέγεις 16 και οχι 14 στήλες; Πληρώνει καλύτερα μονα σημεία αντι για διπλή ευκαιρία και για αυτο το έχεις 16? Δεν σε ρωτάω για να μου πεις φιλε εγώ τις παιζω 16 εσύ παιξε 14 ρωτάω μήπως υπάρχει κάτι απο πίσω πχ πληρώνει καλύτερα και επέλεξες το 16. Είμαι βέβαιος 100% πώς ξέρεις οτι γινονται 14 γιατί επέλεξες τις 16 θέλω να μάθω μέσω της εμπειρίας σου.
-
Το σύστημα με τους όρους, βγάζει 42 στήλες.
Αν επιλέξεις σύμπτυξη με διπλές ευκαιρίες, τότε γίνεται 16 δελτία.
-
H 4η και η 8η στηλη με την προσθήκη μιας διπλης ευκαιρίας γινεται μια στηλη. Στις στήλες 10 και 14 με την προσθηκη παλι διπλης ευκαιριας γινεται μια στηλη και μειωνονται συνολικά οι στήλες στις 14. Και εκεί σταματάει δεν πέφτει παρακαπω πχ 13. Με 14 στήλες καλύπτεις και τις 42.
Τσεκαρισε και το σκριπτ και μου λες
from itertools import product
from ortools.sat.python import cp_model
RAW_COLUMNS = [
["X","1","1","X","1","X","1"],
["X","1","X","1","X","X","1"],
["1","1X","X","1","X","X","1"],
["1X","1","X","X","1","X","1"],
["1X","X","1","1","X","X","1"],
["1X","X","1","X","1","X","1"],
["X","1","1","X","1","1X","X"],
["X","1","X","1","1","X","1X"],
["X","1","X","1","X","1","1X"],
["X","X","1","1","X","1","1X"],
["1","1X","X","1","1","X","1X"],
["1","1X","X","1","X","1","1X"],
["1X","1","X","X","1","1X","X"],
["1","X","1","1X","X","1","1X"],
["1X","X","1","X","1","1X","X"],
["X","1X","1","X","X","1","1X"],
]
MATCHES = 7
TOKENS = ["1", "X", "1X"]
def expand(token: str) -> set[str]:
if token == "1":
return {"1"}
if token == "X":
return {"X"}
if token == "1X":
return {"1", "X"}
raise ValueError(f"Bad token: {token}")
def violates(seq: tuple[str, ...] | list[str]) -> bool:
for i in range(len(seq) - 2):
if expand(seq) & expand(seq[i + 1]) & expand(seq[i + 2]):
return True
return False
def covers(col: tuple[str, ...] | list[str], outcome: tuple[str, ...]) -> bool:
return all(outcome in expand(col) for i in range(MATCHES))
def normalize_columns(cols: list[list[str]]) -> list[tuple[str, ...]]:
out = []
for c in cols:
if len(c) != MATCHES:
raise ValueError(f"Column has length {len(c)} instead of {MATCHES}: {c}")
for t in c:
if t not in TOKENS:
raise ValueError(f"Invalid token {t} in column {c}")
out.append(tuple(c))
return out
def all_binary_outcomes() -> list[tuple[str, ...]]:
return list(product(["1", "X"], repeat=MATCHES))
def covered_outcomes_by_system(cols: list[tuple[str, ...]], outcomes: list[tuple[str, ...]]) -> list[tuple[str, ...]]:
target = []
for o in outcomes:
if any(covers(c, o) for c in cols):
target.append(o)
return target
def generate_all_valid_columns() -> list[tuple[str, ...]]:
cols = []
for c in product(TOKENS, repeat=MATCHES):
if not violates(c):
cols.append(c)
return cols
def solve_min_cover_exact(candidate_cols: list[tuple[str, ...]], target_outcomes: list[tuple[str, ...]]):
model = cp_model.CpModel()
n = len(candidate_cols)
x = [model.NewBoolVar(f"x{i}") for i in range(n)]
coverers = []
for o in target_outcomes:
idxs = [i for i, c in enumerate(candidate_cols) if covers(c, o)]
if not idxs:
raise RuntimeError(f"No candidate column covers target outcome {o}")
coverers.append(idxs)
model.Add(sum(x for i in idxs) >= 1)
model.Minimize(sum(x))
solver = cp_model.CpSolver()
solver.parameters.max_time_in_seconds = 300
solver.parameters.num_search_workers = 8
status = solver.Solve(model)
if status not in (cp_model.OPTIMAL, cp_model.FEASIBLE):
raise RuntimeError("Solver failed to find a feasible solution.")
selected_idx = [i for i in range(n) if solver.Value(x) == 1]
selected_cols = [candidate_cols for i in selected_idx]
return {
"status": status,
"selected_idx": selected_idx,
"selected_cols": selected_cols,
"objective": len(selected_cols),
}
def prove_no_solution_with_k_minus_1(candidate_cols: list[tuple[str, ...]], target_outcomes: list[tuple[str, ...]], k: int) -> bool:
model = cp_model.CpModel()
n = len(candidate_cols)
x = [model.NewBoolVar(f"x{i}") for i in range(n)]
for o in target_outcomes:
idxs = [i for i, c in enumerate(candidate_cols) if covers(c, o)]
if not idxs:
raise RuntimeError(f"No candidate column covers target outcome {o}")
model.Add(sum(x for i in idxs) >= 1)
model.Add(sum(x) <= k - 1)
solver = cp_model.CpSolver()
solver.parameters.max_time_in_seconds = 300
solver.parameters.num_search_workers = 8
status = solver.Solve(model)
return status == cp_model.INFEASIBLE
def verify_solution_strict(selected_cols: list[tuple[str, ...]], target_outcomes: list[tuple[str, ...]]) -> None:
# 1) όλες valid
for i, c in enumerate(selected_cols, 1):
if violates(c):
raise AssertionError(f"Selected column {i} is INVALID: {c}")
# 2) όλα τα target outcomes καλύπτονται
missed = [o for o in target_outcomes if not any(covers(c, o) for c in selected_cols)]
if missed:
raise AssertionError(f"Solution misses target outcomes: {missed}")
# 3) reporting extra coverage
all_outcomes = all_binary_outcomes()
covered_now = [o for o in all_outcomes if any(covers(c, o) for c in selected_cols)]
print(f"Verification OK: selected system covers {len(covered_now)} / {len(all_outcomes)} total outcomes.")
def print_columns_pretty(cols, title="SYSTEM"):
print(f"\n=== {title} ===\n")
n_cols = len(cols)
n_rows = len(cols[0])
def fmt(x):
if x == "1X":
return "Δ"
return x
header = "Αγ | " + " ".join(f"{i+1:>2}" for i in range(n_cols))
print(header)
print("-" * len(header))
for r in range(n_rows):
row = f"{r+1:>2} | "
for c in range(n_cols):
val = fmt(cols[c][r])
row += f" {val:^2} "
print(row)
print("\nLegend: Δ = 1X\n")
def main():
raw_cols = normalize_columns(RAW_COLUMNS)
outcomes = all_binary_outcomes()
print("=== INPUT VALIDATION ===")
for i, c in enumerate(raw_cols, 1):
print(f"col {i:02d} valid: {not violates(c)}")
target_outcomes = covered_outcomes_by_system(raw_cols, outcomes)
print("\n=== CURRENT SYSTEM COVERAGE ===")
print(f"current covered: {len(target_outcomes)} / {len(outcomes)}")
valid_candidates = generate_all_valid_columns()
print("\n=== CANDIDATE SPACE ===")
print(f"all valid candidate columns: {len(valid_candidates)}")
res = solve_min_cover_exact(valid_candidates, target_outcomes)
k = res["objective"]
selected_cols = res["selected_cols"]
print("\n=== EXACT MINIMUM RESULT ===")
print(f"minimum columns needed: {k}")
print("\nSelected columns:")
for i, c in enumerate(selected_cols, 1):
print(f"{i:02d}: {' '.join(c)}")
print_columns_pretty(selected_cols, "FINAL SOLUTION")
print("\n=== STRICT VERIFICATION ===")
verify_solution_strict(selected_cols, target_outcomes)
print("\n=== MINIMALITY PROOF ===")
proof = prove_no_solution_with_k_minus_1(valid_candidates, target_outcomes, k)
print(f"No solution exists with {k-1} columns: {proof}")
if not proof:
raise AssertionError(
"WARNING: Solver found a solution, but k-1 infeasibility proof failed. "
"Do not publish this result."
)
print("\nFINAL STATUS: SAFE TO TRUST")
print(f"Exact minimum = {k}")
print("The printed columns are mathematically valid for the stated target coverage.")
if __name__ == "__main__":
main()
-
Με το μάτι που το βλέπω, οι συνδυασμοί στηλών που λες, δε γίνονται.
-
(https://i.postimg.cc/WqqB1hGt/Screenshot-from-2026-03-30-18-40-44.png) (https://postimg.cc/WqqB1hGt)
-
Η διπλή ευκαιρία 1Χ, μετά τη σύμπτυξη, είναι νέο σημείο, διαφορετικό από τους άσσους και τα Χ.
Οπότε δε μπορεί να συνδυαστεί με άλλες στήλες και να ξαναγίνει σύμπτυξη.
Αν δεχτείς ότι γίνεται, τότε το δελτίο 1 που δημιουργείς, στη φωτο, μπορεί να συνδυαστεί με τη στήλη 1, από τις 16 που παρέθεσες και να ξαναγίνει 1 στήλη.
Η διπλή ευκαιρία, δεν είναι παρά μεταμόρφωση της διπλής 1Χ σε διπλή ευκαιρία, για λιγότερα σημεία στο δελτίο.
Προσωπικά είμαι αντίθετος σε αυτό, εκτός και αν θεωρώ ότι ο άσσος έχει τις ίδιες πιθανότητες με το Χ.
Αν ας πούμε ο άσσος έχει απόδοση 3,00 και το Χ επίσης 3,00, τότε μπορείς να το παίξεις με διπλή ευκαιρία αλλά ΜΟΝΟ στη σύμπτυξη.
Στη διάρκεια της δημιουργίας του συστήματος, ουσιαστικά με τις βασικές στήλες και τους άλλους όρους, εσύ κατευθύνεις το πού θα κινηθεί το δελτίο και ποιά θα είναι η εμφάνιση σημείων.