
- कैलिब्रेट करना यानी आपकी अनुमानित प्रायिकता की असली आवृत्ति से तुलना करना कि दांव कितनी बार सही निकले।
- ब्रियर स्कोर आपकी ग़लती को एक ही संख्या में समेटता है, और खंड-वार तालिका बताती है कि आप कहाँ चूकते हैं।
- AI आपके दिए डेटा को क्रम देती है और उसका हिसाब लगाती है, पर हिसाब आप ख़ुद जाँचते हैं: वह ग़लती कर सकती है।
इस लेख को सेव कर लीजिए: जब भी दांवों का कोई बैच पूरा करें, यहाँ लौटिए, ज़रूरी प्रॉम्प्ट कॉपी कीजिए और अपनी माप वहीं से आगे बढ़ाइए जहाँ छोड़ी थी।
आपकी प्रगति इसी ब्राउज़र में सेव रहती है।
रिकॉर्ड से अपनी प्रायिकताएँ कैलिब्रेट क्यों करें?
कोई दांव सही निकलना यह साबित नहीं करता कि आपका अनुमान अच्छा था।
और उसका ग़लत निकलना यह साबित नहीं करता कि वह बुरा था।
सिर्फ़ बहुत-से दांव मिलकर दिखाते हैं कि आपकी संख्याएँ हक़ीक़त से कितनी मिलती हैं।
कैलिब्रेशन यही है: जो आपने कहा था कि होगा, उसे जो हुआ उससे मिलाना।
अगर आपने सौ मौक़ों पर 70% कहा था, तो क़रीब 70 सही निकलने चाहिए थे।
अगर 55 निकले, तो आपका 70% असल में 55% था।
यह लेख विषय को शुरू से नहीं समझाता।
अगर आपका रिकॉर्ड अभी तैयार नहीं है, तो अपने दांवों के रिकॉर्ड की जाँच के 5 प्रॉम्प्ट से शुरू कीजिए।
यहाँ हम एक क़दम और आगे जाते हैं: आपकी प्रायिकताओं की गुणवत्ता नापना।
सुनहरा नियम: AI को सिर्फ़ वह डेटा दीजिए जो आपने ख़ुद दर्ज किया है।
हर प्रॉम्प्ट में हम कहते हैं कि वह पंक्तियाँ न गढ़े और जानकारी न हो तो “मुझे नहीं पता” लिखे।
फिर भी हर हिसाब अपनी शीट में दोबारा कीजिए।

चिपकाने से पहले: आपकी शीट की हर पंक्ति को कौन-सा डेटा चाहिए
- मैच से पहले आपकी अनुमानित प्रायिकता: प्रतिशत में, नतीजा जानने से पहले लिखी हुई।
- नतीजा 1 या 0 में: 1 अगर दांव सही निकला, 0 अगर नहीं निकला। रद्द हुए दांव बाहर।
- लिए गए ऑड्स: जो आपने उस वक़्त अपने बुकमेकर पर देखे।
पहले से लिखी प्रायिकता के बिना कैलिब्रेशन हो ही नहीं सकता।
उसे याददाश्त से मत बनाइए: वह उसी तरफ़ झुक जाती है जो हुआ।
अगर आज तक नहीं लिखते थे, तो अगले दांव से लिखना शुरू कीजिए।
प्रॉम्प्ट 1: अपने रिकॉर्ड को नापने के लिए क्रम में लाना और साफ़ करना
यह शुरुआती प्रॉम्प्ट है।
यह जाँचता है कि आपकी तालिका का फ़ॉर्मेट सही है और बताता है कि क्या छूटा है।
अभी वह कुछ नहीं निकालता: सिर्फ़ ज़मीन तैयार करता है।
मैं अपने दांवों का रिकॉर्ड तालिका के रूप में दे रहा हूँ: [तारीख़, मार्केट, ऑड्स, अनुमानित प्रायिकता और नतीजे वाली अपनी पंक्तियाँ चिपकाइए]। जाँचिए कि प्रायिकता 0% और 100% के बीच है और नतीजा 1 या 0 है। जिन पंक्तियों में डेटा ग़ायब, दोहराया हुआ या अजीब हो, उनकी सूची पंक्ति संख्या के साथ दीजिए। कोई डेटा न सुधारिए, न गढ़िए। अगर कुछ समझ न आए, तो “मुझे नहीं पता” लिखिए।
यह क्या लौटाता है
संदिग्ध पंक्तियों की एक सूची, उनकी संख्या के साथ।
यह भी चेताता है कि कहीं प्रायिकताएँ अलग फ़ॉर्मेट में तो नहीं लिखी, जैसे 0.6 और 60%।
यही बाक़ी चारों प्रॉम्प्ट की बुनियाद है।
इसे कैसे जाँचें
उसने जो पंक्तियाँ चिह्नित कीं, उनमें से तीन खोलिए और अपने मूल रिकॉर्ड से मिलाइए।
यह भी देखिए कि कोई साफ़ तौर पर ग़लत भरी पंक्ति उसने छोड़ तो नहीं दी।
अंतिम सफ़ाई आप शीट में ख़ुद करते हैं।
प्रॉम्प्ट 2: आपके रिकॉर्ड का ब्रियर स्कोर
ब्रियर स्कोर एक ही संख्या में बताता है कि आपकी प्रायिकताएँ हक़ीक़त से कितनी दूर रहीं।
हर दांव के लिए आपकी प्रायिकता में से नतीजा (1 या 0) घटाया जाता है और उसका वर्ग लिया जाता है।
फिर सबका औसत निकाला जाता है।
इस साफ़ तालिका के साथ: [अपना जाँचा हुआ रिकॉर्ड चिपकाइए]। ब्रियर स्कोर निकालिए: हर पंक्ति के लिए (प्रायिकता − नतीजा) का वर्ग, प्रायिकता को दशमलव रूप में लेकर। वर्ग की गई ग़लतियों का कॉलम पंक्ति-दर-पंक्ति और अंतिम औसत दिखाइए। बताइए कि आपने कितनी पंक्तियाँ इस्तेमाल कीं। इसकी तुलना उस मान से कीजिए जो हमेशा 50% कहने पर आता है, यानी 0.25। मुझे मत बताइए कि दांव लगाना मेरे लिए ठीक है या नहीं।
यह क्या लौटाता है
0 और 1 के बीच की एक संख्या, हर पंक्ति के ब्योरे के साथ।
जितना 0 के क़रीब, उतना बेहतर।
अगर आप 0.25 से ऊपर जाएँ, तो आपकी प्रायिकताएँ हमेशा 50% कहने से भी ख़राब हैं।
इसे कैसे जाँचें
दो-तीन पंक्तियों का हिसाब कैलकुलेटर पर दोबारा कीजिए।
फिर वर्ग की सारी ग़लतियाँ जोड़िए और पंक्तियों की संख्या से भाग दीजिए।
अगर आपका औसत AI के औसत से न मिले, तो आपका ही औसत मान्य है।
दस दांवों का एक उदाहरण।
संख्याएँ हिसाब दिखाने के लिए गढ़ी हुई हैं, असली डेटा नहीं।
| दांव (उदाहरण) | आपकी प्रायिकता | नतीजा | वर्ग की हुई ग़लती |
|---|---|---|---|
| 1 | 70% | 1 (सही निकला) | 0.0900 |
| 2 | 60% | 1 (सही निकला) | 0.1600 |
| 3 | 55% | 0 (नहीं निकला) | 0.3025 |
| 4 | 80% | 1 (सही निकला) | 0.0400 |
| 5 | 65% | 0 (नहीं निकला) | 0.4225 |
| 6 | 50% | 1 (सही निकला) | 0.2500 |
| 7 | 75% | 1 (सही निकला) | 0.0625 |
| 8 | 60% | 0 (नहीं निकला) | 0.3600 |
| 9 | 70% | 1 (सही निकला) | 0.0900 |
| 10 | 55% | 0 (नहीं निकला) | 0.3025 |
वर्ग की गई ग़लतियों का जोड़ 2.08 आता है।
दस दांवों से भाग देने पर उदाहरण का ब्रियर स्कोर 0.208 है।
यह 0.25 से नीचे है, पर दस दांवों से कुछ भी निष्कर्ष नहीं निकाला जा सकता।
उदाहरण में औसत प्रायिकता 64% थी और 10 में से 6 सही निकले, यानी 60%।
यह फ़र्क़ छोटा है, पर इतने कम डेटा में यह सिर्फ़ संयोग हो सकता है।
कितने दांव चाहिए यह जानने के लिए कि आप जीत रहे हैं या क़िस्मत है में हम देखते हैं कि छोटे नमूनों में कितना शोर होता है।
प्रॉम्प्ट 3: प्रायिकता के खंडों के हिसाब से कैलिब्रेशन तालिका
ब्रियर आपको एक कुल नंबर देता है, पर यह नहीं बताता कि आप कहाँ चूकते हैं।
खंड-वार तालिका आपके दांवों को आपकी अनुमानित प्रायिकता के हिसाब से समूहों में बाँटती है।
जैसे 50% से 60%, 60% से 70% और इसी तरह आगे।
मेरे साफ़ रिकॉर्ड के साथ: [अपना जाँचा हुआ रिकॉर्ड चिपकाइए]। अनुमानित प्रायिकता के खंडों की एक तालिका बनाइए: 50-60%, 60-70%, 70-80% और 80-100%। हर खंड के लिए दिखाइए: दांवों की संख्या, औसत अनुमानित प्रायिकता, कितने सही निकले, असली सही निकलने का प्रतिशत और प्रतिशत अंकों में फ़र्क़। अगर किसी खंड में [न्यूनतम दांव, जैसे 20] से कम दांव हों, तो उसे “छोटा नमूना” चिह्नित कीजिए। चिह्नित खंडों से कोई निष्कर्ष मत निकालिए।
यह क्या लौटाता है
हर खंड की एक पंक्ति वाली तालिका।
सबसे अहम कॉलम अनुमानित और असली के बीच का फ़र्क़ है।
यह भी बताता है कि किन खंडों में कुछ कहने लायक डेटा नहीं है।
इसे कैसे जाँचें
किसी एक खंड के दांव हाथ से गिनिए और जाँचिए कि वे तालिका से मिलते हैं।
देखिए कि सारे खंडों के दांवों का जोड़ पंक्तियों की कुल संख्या के बराबर है।
अगर कोई पंक्ति कम पड़े, तो AI ने उसे छोड़ दिया है।
| खंड (उदाहरण) | दांव | अनुमानित प्रायिकता | सही निकले | असली % | फ़र्क़ |
|---|---|---|---|---|---|
| 50-60% | 40 | 55% | 22 | 55.0% | 0 अंक |
| 60-70% | 60 | 65% | 36 | 60.0% | 5 अंक कम |
| 70-80% | 50 | 75% | 32 | 64.0% | 11 अंक कम |
तालिका की संख्याएँ हिसाब दिखाने के लिए एक उदाहरण हैं।
70-80% वाले खंड में 50 में से 32 यानी 64% हैं, जबकि अनुमान 75% था।
उस उदाहरण में, आपके सबसे आत्मविश्वासी दांव सबसे कम बार पूरे हुए।

प्रॉम्प्ट 4: अति-आत्मविश्वास या कम आत्मविश्वास की जाँच
तालिका बन जाने के बाद उसे पढ़ना बाक़ी है।
यह प्रॉम्प्ट दांव की कोई सलाह दिए बिना आपको पैटर्न देखने में मदद करता है।
यह भी याद दिलाता है कि हर खंड में कितना शोर है।
यह खंड-वार कैलिब्रेशन की मेरी तालिका है: [तालिका चिपकाइए]। बताइए कि किन खंडों में मेरा असली प्रतिशत अनुमानित से कम रहा और किनमें ज़्यादा। हर खंड के लिए त्रुटि-सीमा का मोटा सूत्र √(p × (1 − p) / n) लगाकर निकालिए, जहाँ p मेरा असली प्रतिशत है और n दांवों की संख्या। बताइए कि फ़र्क़ उस सीमा से बड़ा है या छोटा। लिखिए कि कौन-से निष्कर्ष पक्के हैं और कौन-से सिर्फ़ संकेत। मुझे मत बताइए कि दांव लगाना ठीक है या नहीं, और न यह कि कितना।
यह क्या लौटाता है
खंड-दर-खंड एक विश्लेषण।
यह बताता है कि आप ज़रूरत से ज़्यादा आशावादी रहे, निराशावादी रहे या संतुलित।
और पैटर्न को उस चीज़ से अलग करता है जो संयोग हो सकती है।
इसे कैसे जाँचें
किसी एक खंड की त्रुटि-सीमा का हिसाब दोबारा कीजिए।
p बराबर 60% और n बराबर 30 के साथ सीमा क़रीब 9 अंक आती है।
n बराबर 100 पर वह क़रीब 5 अंक रह जाती है, और n बराबर 400 पर क़रीब 2.5।
| खंड में दांव | लगभग त्रुटि-सीमा (p = 60%) | आप क्या कह सकते हैं |
|---|---|---|
| 30 | ± 9 अंक | लगभग कुछ भी पक्का नहीं |
| 100 | ± 5 अंक | सिर्फ़ बड़े फ़र्क़ |
| 400 | ± 2.5 अंक | मध्यम फ़र्क़ भी गिनती में आते हैं |
तालिका एक मोटा हिसाब है, यह परिमाण का अंदाज़ा देती है।
यह कोई सांख्यिकीय गारंटी नहीं है।
जब कोई फ़र्क़ त्रुटि-सीमा के मुक़ाबले छोटा हो, तो उसे पैटर्न मत मानिए।
प्रॉम्प्ट 5: अपनी प्रायिकता की तुलना ऑड्स की प्रायिकता से कीजिए और बदलाव की योजना बनाइए
ऑड्स में भी एक प्रायिकता छिपी होती है: एक को ऑड्स से भाग देना।
1.80 के ऑड्स का मतलब 55.6% है; 2.10 का, 47.6%।
यह प्रॉम्प्ट मिलाता है कि दोनों में से कौन-सा पैमाना, आपका या ऑड्स का, जो हुआ उसके ज़्यादा क़रीब रहा।
मेरे साफ़ रिकॉर्ड के साथ: [लिए गए ऑड्स वाला अपना जाँचा हुआ रिकॉर्ड चिपकाइए]। हर ऑड्स की इम्प्लाइड प्रायिकता एक को ऑड्स से भाग देकर निकालिए, बुकमेकर के मार्जिन को घटाए बिना, और साफ़ बताइए कि यह एक अनुमान है। उस इम्प्लाइड प्रायिकता से ब्रियर स्कोर निकालिए और उसकी तुलना मेरे वाले से कीजिए। बताइए कि कितने दांवों में मेरी प्रायिकता इम्प्लाइड प्रायिकता से ज़्यादा नतीजे के क़रीब रही। नए दांवों से परखने के लिए सिर्फ़ एक आज़माइशी बदलाव सुझाइए, जैसे ऊँचे खंडों की मेरी प्रायिकताओं में से [अंक] अंक घटाना। मुझे दांव का फ़ैसला मत सुनाइए।
यह क्या लौटाता है
तुलना के लिए दो ब्रियर स्कोर, आपका और ऑड्स का।
अगर आपका ज़्यादा ख़राब है, तो ऑड्स आपसे बेहतर भविष्यवक्ता थे।
साथ में आज़माने के लिए बदलाव का एक विचार, जिसे एक झटके में लागू नहीं करना है।
इसे कैसे जाँचें
तीन ऑड्स को ऑड्स कन्वर्टर से प्रायिकता में बदलिए।
जाँचिए कि AI ने साफ़ कहा है कि उसने मार्जिन नहीं घटाया, जिस विषय को हम इम्प्लाइड प्रायिकता में समझाते हैं।
सुझाया गया बदलाव नए दांवों से परखे बिना लागू मत कीजिए।
कैलिब्रेटेड होना और मुनाफ़े वाला होना एक बात नहीं है।
आपकी प्रायिकताएँ अच्छी हों, तब भी आप हार सकते हैं, अगर ऑड्स उन्हें पहले से दर्शाते थे।
प्रायिकता से फ़ैसले तक पहुँचने के लिए अपेक्षित मूल्य कैलकुलेटर इस्तेमाल कीजिए।
5 प्रॉम्प्ट को क्रम में कैसे इस्तेमाल करें: स्टेप-बाय-स्टेप
AI से कैलिब्रेशन की सीमाएँ
- AI आपका असली रिकॉर्ड नहीं देखती: सिर्फ़ वही जो आप चिपकाते हैं, और हिसाब में ग़लत हो सकती है।
- कम दांवों के साथ ब्रियर स्कोर और खंड शुद्ध शोर हैं।
- अगर आपने प्रायिकता मैच के बाद लिखी, तो माप किसी काम की नहीं।
- अच्छा स्कोर मुनाफ़े की गारंटी नहीं: वह ऑड्स पर भी निर्भर है।
- पुराने नतीजे आगे के नतीजों की गारंटी नहीं देते।
कैलिब्रेशन एक धीमी आदत है, शॉर्टकट नहीं।
यह आपको दांव लगाने वाले के रूप में ख़ुद को जानने के काम आती है, अगला मैच भाँपने के नहीं।
अगर आप किसी और की भविष्यवाणी सेवा को नापना चाहते हैं, तो AI से टिपस्टर का ऑडिट कैसे करें देखिए।
Gambeta अपनी प्रायिकताओं के साथ क्या करता है, बिना वादों के
Gambeta अपने मॉडल के साथ भविष्यवाणियाँ प्रकाशित करता है।
हर एक मैच से पहले अपने ऑड्स के साथ दर्ज हो जाती है।
आप उन्हें सार्वजनिक रिकॉर्ड में देख सकते हैं, चाहे वे जीतें या हारें।
अगर आप देखना चाहते हैं कि वह कैसे काम करता है, तो दांव के लिए मुफ़्त AI की गाइड खोलिए, जिसमें रोज़ मुफ़्त भविष्यवाणियाँ मिलती हैं।
भविष्यवाणी कोई वादा नहीं है।
कोई भी दांव पक्का नहीं होता।
सिर्फ़ 18 साल से ऊपर के लोगों के लिए।
सिर्फ़ वही पैसा लगाइए जिसे आप गँवा सकें, शुरू करने से पहले एक सीमा तय कीजिए और मज़ा न आए तो रुक जाइए।
ज़्यादा जानकारी ज़िम्मेदारी से दांव लगाना में है।
इसके बाद क्या पढ़ें
इस विश्लेषण को हर रविवार की एक छोटी दिनचर्या में लाने के लिए AI से दांवों का हफ़्ता समेटने के 5 प्रॉम्प्ट देखिए।
और यह समझने के लिए कि हारों की एक लकीर कुछ साबित क्यों नहीं करती, हार की लकीरें: कितनी सामान्य हैं पढ़िए।
अगर आपको अपने हिसाब का प्रॉम्प्ट चाहिए, तो उसे प्रॉम्प्ट बिल्डर से बनाइए।
और बाक़ी मार्केट के लिए मार्केट के हिसाब से दांव के प्रॉम्प्ट के इंडेक्स पर लौटिए।
अक्सर पूछे जाने वाले सवाल
बेटिंग में प्रायिकता को कैलिब्रेट करना क्या है?
यह जाँचना कि आपके अनुमान हक़ीक़त से मेल खाते हैं या नहीं।
अगर आपने बहुत-से दांवों पर 60% कहा था, तो हर 10 में से क़रीब 6 सही निकलने चाहिए थे।
अगर उससे बहुत कम निकले, तो आप ज़रूरत से ज़्यादा आत्मविश्वास में थे।
ब्रियर स्कोर क्या है?
यह आपकी प्रायिकता और नतीजे के बीच की ग़लती के वर्ग का औसत है।
नतीजा 1 होता है अगर हुआ और 0 अगर नहीं हुआ।
जितना 0 के क़रीब, उतना बेहतर; हमेशा 50% कहने पर 0.25 आता है।
कैलिब्रेशन के लिए कितने दांव चाहिए?
कुल स्कोर के लिए कुछ दर्जन काफ़ी हैं, पर उनमें शोर बहुत होता है।
खंड-वार तालिका के लिए कहीं ज़्यादा चाहिए, क्योंकि दांव अलग-अलग समूहों में बँट जाते हैं।
कम डेटा हो तो किसी भी निष्कर्ष को संकेत मानिए, तथ्य नहीं।
क्या AI ब्रियर स्कोर निकाल सकती है?
हाँ, अगर आप उसे डेटा दें और स्टेप-बाय-स्टेप हिसाब माँगें।
पर वह गणित में ग़लती कर सकती है या पंक्तियाँ गढ़ सकती है।
संख्या पर भरोसा करने से पहले हिसाब किसी शीट में दोबारा कीजिए।
क्या अच्छे ब्रियर स्कोर का मतलब है कि मैं पैसे कमाता हूँ?
नहीं।
आप यह नाप रहे हैं कि आपकी प्रायिकताएँ अच्छी हैं या नहीं, यह नहीं कि आपको वैल्यू वाले ऑड्स मिले।
आप अच्छे कैलिब्रेटेड होकर भी हार सकते हैं, अगर ऑड्स पहले से ही उन प्रायिकताओं को दर्शाते थे।
अगर मैं ज़रूरत से ज़्यादा आत्मविश्वासी निकलूँ तो क्या करूँ?
ऊँचे खंडों में अपनी प्रायिकताएँ घटाकर देखिए और नए दांवों के साथ जाँचिए कि स्कोर सुधरता है या नहीं।
सब कुछ एक साथ मत बदलिए।
बदलाव नोट कीजिए और ज़्यादा डेटा होने पर फिर परखिए।