Tolya Glaukos.
Zufallsforschung.
Zufallsmessverfahren.
Random Research.
BASICS:

Larmonita basis Duo.
Die Prozedur in zwei Gedächtnissen.


Zuerst: benötigt man ein Gedächtnis.
So banal es klingt, aber will man aus einer Ereignisabfolge Schlüsse auf die nächsten Ereignisse ziehen, muss man diese Ereignisse abspeichern und dann je nach aktueller Situation als Vergleich zur Prognose heranziehen. Um die historischen Ereignisse erfolgreich in die Zukunft weiterprojizieren zu können, muss man diesem Gedächtnis die Fachkenntnis implementieren. Je mehr Zahlen einer Zahlenreihe man dann in dieses Gedächtnis einspeist, desto deutlicher kann sich darin eine etwaige Abweichung vom idealen Rauschen abzeichnen, und desto genauer können die Prognosen zu den nächsten Ereignissen aussehen.

Die Frage ist also, nach welchem Modus man das Gedächtnis gestaltet, und das bedeutet auch, nach welchem Schema man die Daten einsortiert. Viele Prodezuren zur Zufallsforschung begnügen sich mit der naheliegenden ersten Dimension des Gedächtnisses: sie versuchen es kumulativ. Sie überprüfen also, wie oft beim Roulette die Farben rot oder schwarz kommen, oder bestenfalls noch, wie oft nach rot schwarz folgt und umgekehrt.
Diese Methode ist die eines kumulativen Gedächtnisses, und sie bringt tatsächlich in der Regel nur Rauschen hervor.

Wie kann man nun versuchen, die vermuteten fraktalen Abweichungen aus dem Rauschen herauszuarbeiten? Man muss zuerst einmal die pure Kumulativität hinter sich lassen.

Ein Gedächtnis charakterisiert sich vornehmlich dadurch, dass es bestimmte Ereignisse in bestimmte Ereignisfächer sortiert. Bevor ich mir also überlege, welches Ereignis ich in welches Fach sortiere, ist es sinnvoll, mir zu überlegen, welches ein angemessenes Verhältnis von Ereignissen und Ereignisfächern ist, schlussendlich möchte ich ein repräsentatives Zahlenmaterial erhalten. Das heißt, ein Zufalls-Gedächtnis mit einer Milliarde Fächern ist zwar mit der modernen Computertechnik durchaus anlegbar, aber man muss dann auch viele Milliarden Ereignisse in selbiges einspeisen, um überhaupt Einträge in dem Gedächtnis zu dem neuen Fall zu finden.
In meinem Fall habe ich mich bei den ersten Experimenten mit Larmodita b2 darauf beschränkt, 200 Fächer anzulegen, die alle in etwa mit gleicher Häufigkeit verwendet werden.

Im nächsten Schritt sortiere ich die Ereignisse nach einem Modus in Schubfächer: und während ich das neue Ereignis einsortiere, kann ich sogleich überprüfen, inwieweit es konform geht mit den bereits abgespeicherten, "gemerkten" Werten. Bestätigt das neue Ereignis die alten Werte, oder nicht? Mit dieser Frage kann man messen, ob es Unregelmäßigkeiten und damit Abweichungen von einer reinen Zufälligkeit bestehen.
Denn bei einem idealen Zufall muss die Quote exakt der vorauskalkulierten Wahrscheinlichkeit entsprechen: im Binärsystem sollten also auf 100 richtige Tipps exakt 100 falsche Prognosen kommen. Und ganz gleich, ob es mehr richtige oder mehr falsche sind - beide Abweichungen zeigten an, dass hier eine Struktur innerhalb des Rauschens vorhanden ist.

In meinem ersten konkreten Larmonita-Experiment habe ich das Dualsystem untersucht: Larmonita b2.
Und Larmonita b2 ist ein Spezialfall: Diese Prozedur wird ohne Einbezug von Iterationsmethoden durchgeführt, da das Dualzahlensystem nur eine einzige Iteration erzeugen kann, gefolgt von totaler Redundanz in den weiteren Iterationen. Erst die höheren Basen b3, b4 etc. ermöglichen permanente Iterationen im Stil der Glaukos-Iteration. Larmonita b2 ist somit eine noch sehr einfache Variante der möglichen Larmonita-Prozeduren.

Als nächstes möchte ich konkret das Gedächtnis von Larmodita b2 vorstellen: Diese Prozedur nutzt zwei Sub-Prozeduren oder Teilgedächtnisse:

1. Der Zahlwert: Bei der b2-Prozedur verwende ich ein Dateninput, das aus nur zwei verschiedenen Werten bestehen kann, also beispielsweise den Ereignissen 0 und 1, Gerade und Ungerade, Rot und Schwarz - bei einem Dualsystem habe ich keine dritte Alternative. Mit einem einfachen Algorithmus wird nun die zur Untersuchung vorgesehene binäre Zahlenfolge bearbeitet, um den Zahlwert zu ermitteln - der dann als "Schubfach" dient (innerhalb des vorgegebenen Spektrums 0-200).

Konkret heißt das: ich lese einen Wert ein, und dieser Wert löst dann einen ersten algorithmischen Rechenprozess aus, ermittelt ein erstes Zwischenergebnis. Die nächste Berechnung speist nun neben dem nächsten Wert der Folge auch das Zwischenergebnis mit ein. Man könnte sagen, der neue Wert wird über den alten gerechnet, so dass im neuen Ergebnis nun beide Werte vorhanden sind, aber nicht nur kumulativ, sondern auch prozentual gewichtet erden: das jüngere Ereignis ist also stärker berücksichtigt als das weiter zurückliegende Ereignis. Man kann also sagen: die länger zurückliegenden Werte verblassen in diesem Gedächtnis allmählich, nach beispielsweise 100 Stellen ist ihr Einfluss auf die Folge minimal.

Der zweite Teilschritt ist folgender:
2. Nach einer zu bestimmenden Zahl an Werten setze ich nun fest, dass ein Abgleich mit ähnlichen Ereignissen stattfindet. Im aktuellen Fall mache ich nach 40 Ereignissen einen weiteren Schritt: Ich fixiere den aktuellen Zahlwert, das Zwischenergebnis, und schaue mir an, welches nächste Ereignis auf diesen Zahlwert folgt.

Ich muss nun nur das Schubfach des Zahlwertes aufziehen und nachschauen, welche früheren Ereignisse hier kumuliert sind. Das Verhältnis (bzw. die Quote) aus den früheren Ereignissen kann ich nun mit dem aktuellen, neuen Ereignis vergleichen. Geht es mit dem Trend oder nicht? (Der Trend ist also meine Prognose.) An dieser Stelle kann ich also überprüfen, ob es eine Drift in eine Richtung gibt oder nicht.

Anschließend sortiere ich das neue Ereignis in das kumulative zweite Gedächtnis mit hinein, um es zu aktualisieren.

Kurz gesagt, gibt es also zwei Gedächtnisse: das latent-iterative erste, bei dem aus (z. B.) 40 Werten ein Zahlwert ermittelt wird, und dann ein zweites, das die Häufigkeiten der Ereignisse bei den jeweiligen Zahlwerten kumulativ speichert.

Indem man nun die Prognose des zweiten Gedächtnisses auf ihre Richtigkeit überprüft, kann man eine Quote der Abweichung von dem idealen Rauschen ermitteln.
Hat man mit der Ld2 richtige Prognosen gefunden, lässt sie ihre diamantene Erinnerung aufblitzen - oder lässt sie Tränen fließen, weil sie auf lange Sicht berechnet eine Nullabweichung zeigt?