Algumas medidas foram propostas, ver
A idéia básica do primeiro artigo é estimar
skill = (potential learning effect) / (potential learning effect + potential random effect)
que fornece habilidade como um número entre 0 e 1. Infelizmente, esses efeitos são analiticamente computáveis apenas para jogos "fáceis". Para um jogo para um jogador, a equação acima se resume a
skill = (Gm - G0) / (Gu - G0)
onde os G's são os ganhos líquidos esperados de três jogadores
'0': um iniciante que joga o jogo da maneira ingênua de alguém que acaba de dominar as regras do jogo.
'm': um jogador médio real que pode ser pensado para representar a grande maioria dos jogadores.
'u': um jogador médio virtual a quem dizemos com antecedência (ou seja, antes que ele precise decidir) o resultado dos elementos do acaso.
Como exemplo, eles calculam para a Roleta Americana: Gu = 35 e Gm = -1/74, o último correspondendo a uma jogada "simples" (por exemplo, rouge / noir, pair / impair). O valor para G0 é realmente uma questão de debate, mesmo para este jogo. Se o iniciante adota uma estratégia simples, a habilidade é 0, obviamente. No entanto, se G0 é para uma estratégia não simples (por exemplo , plein, cheval, carre ), então G0 é -1/37 (ou seja, pior perda média.) Portanto, com a última suposição, existe um potencial menor de aprendizado, portanto a habilidade é 0,0004. Devo dizer que estou um pouco irritado que eles usem a terminologia francesa para a roleta americana; infelizmente, a fonte que eles citam para mais detalhes está em holandês.
Para o Blackjack, eles derivam de uma simulação em computador que Gm = 0,11, Gu = 27 e aceitam G0 = -0,057 para uma estratégia de "imitar o revendedor", e disso obtêm uma habilidade de 0,006.
Para jogos em que os jogadores competem diretamente e estratégias como ensacamento ou blefe (esses são os únicos jogos chamados de jogos para vários jogadores na teoria dos jogos), o segundo artigo tem uma abordagem mais sensata, pois considera os jogadores que potencialmente mudam de estratégia uma fonte de aleatoriedade. Eles usam a mesma fórmula de habilidade acima (exceto que chamam os três tipos de jogadores iniciantes, ideal e fictício). A diferença em sua abordagem é que
os ganhos esperados para o jogador i como um jogador ideal são dados pelos ganhos esperados no equilíbrio de Nash do jogo de soma zero de duas pessoas relacionado contra a coalizão dos outros jogadores.
e para o jogador "fictício", eles também assumem que ele conhece o resultado do processo de randomização de seus oponentes.
Infelizmente, não há exemplos interessantes, mas simples o suficiente para serem detalhados aqui. Eles calculam para uma versão simplificada do drawpoker uma habilidade de 0,22.
Ambos os trabalhos enfatizam, no entanto, que o valor exato da habilidade depende da definição / suposição do comportamento dos iniciantes.
É necessária uma abordagem experimental para jogos mais complexos de interesse prático, por exemplo
Esses jogadores identificaram a priori como altamente qualificados alcançaram um retorno médio do investimento superior a 30%, comparado a -15% para todos os outros jogadores. Essa grande lacuna nos retornos é uma forte evidência para apoiar a idéia de que o poker é um jogo de habilidade.