BUオープンの層別解析
はじめに
データを分析する際にどのようにすればいいかわからない方も多いでしょう。そこでこの記事ではBUオープンについて簡単な層別（グループ分け）解析をして、前々回の記事の内容を補足しようとおもいます。
まだ前々回の記事読んだことのない人はぜひ読んでみてください！
その前に
GTOWizardを参考にすると、６maxのBUオープンはレンジの４３％になっています。そこで簡単なクイズを出したいと思います。
BUオープンの頻度は４３％に比べてどうなるでしょう?
① 低くなる
② 変わらない
③ 高くなる
======================＝＝=========================
正解は③の高くなるです。前回の記事を読んだ方ならbanching
effect によって高くなることが分かると思います。
これを計算してみるとBUオープン頻度は４４％になります。
層別解析
まず以下BUオープン頻度のヒストグラムになります。
黄色い部分がBUオープン頻度が４４％ではないと統計的に言えるプレイヤーになります。（有意水準0.05）
それなりに多くのプレイヤーがタイトにオープンしていることが分かると思います。
そこでタイト、標準、ルースの３つのグループ分けをして分析をしてみようと思います。以下グループ分けしたヒストグラムです。
結果を見せる前に３つのグループの成績がどうなるかを具体的に予想してみてください。
参考までにGTOWizardでは25.5bb/100になります。（これはbanching effectを考慮していません。）
======================＝＝=========================
ではグループ分けした結果が
考察とまとめ
まず注目するのはタイトなプレイヤーの成績がかなり低いことです。
スチールによるEVを損している、タイトなプレーがエクスプロイトとして機能しにくい（ブラインドが3ベット５０％してくると極端な予想する場合にエクスプロイトとして有効になりうるが）などいろいろ理由は考えられます。
次に注目するのが標準的よりルースなプレイヤーのほうが成績が良いことです。これは前々回の記事の内容のようにルースなプレイヤーに対応できない人にエクスプロイトとして機能していることが要因の一つだと考えられます。
今回はBUオープン頻度によってグループ分けして成績を分析してみました。他にもいろいろな要素によってグループ分けして分析にすることによってエクスプロイトな戦略の構築のヒントが得られます。
余談
プレイヤープールが変われば、今回の結果とまた違った結果になることがあります。
MDA(Mass Data Analysis)において、プレイヤープール全体に対してのエクスプロイト戦略構築をされることがあります。これでも確かに有効なのですが
プレイヤープールをグループ分けして、それぞれにして対して戦略構築していくほうがより良いと思ってこの記事を執筆しました。（サンプル数が少なくなり有意な結果が得られないデメリットもありますが。）
次回はBUのベットサイズ別のSBまたはBBの分析でもしてみようと思います。