درخت تصمیم فینیش: جدول شخصی خود را بسازید
جدول چک‑اوت استانداردی که حفظ کردهاید، یک فرض پنهان دارد: اینکه همهٔ دبلها برای شما یکساناند. دادهٔ حرفهای ثابت میکند نیستند — و همین، جدول استاندارد را برای شما زیربهینه میکند.
۱. شاهد: ترجیح شخصی بر نظریه غلبه میکند
دادهٔ واقعی PDC:
| بازیکن | یافته |
|---|---|
| مایکل اسمیت و گروین پرایس | نزدیک ۸۰٪ روی D20 |
| جانی کلیتون | ۴۵٪ روی D16 از ۵۸۴ تلاش |
| دیمیتری فن‑دن‑برخ | ۴۵٪ روی D18 از ۲۰۲ تلاش، اما تنها ۳۷٪ روی D20 |
🔑 فن‑دن‑برخ D18 را ۸ واحد بهتر از D20 میزند. هر جدولی که او را به سمت D20 هدایت کند، به ضررش کار میکند.
۲. نظریه چه میگوید (و کجا کم میآورد)
اصل انعطاف‑پذیری دبل
| دبل | زنجیرهٔ نصف‑شدن | تعداد تلاش |
|---|---|---|
| D16 | ۳۲ → ۱۶ → ۸ → ۴ → ۲ | ۵ تلاش متوالی ✅ |
| D20 | ۴۰ → ۲۰ → ۱۰ → ۵ (فرد!) | ۲ تلاش، سپس شکست ❌ |
اصل تعمیم‑یافته: باقیماندهٔ توانی از ۲ بگذارید (۲، ۴، ۸، ۱۶، ۳۲).
⚠️ اما...
این اصل فرض میکند نرخ شما روی D16 و D20 یکسان است. اگر D20 را ۸۰٪ و D16 را ۴۰٪ میزنید، مزیت زنجیرهای بی‑معنا میشود.
محاسبهٔ ساده: - D20 با ۸۰٪ ⇒ احتمال بستن در یک دارت: ۰٫۸۰ - D16 با ۴۰٪ + دو تلاش اضافی ⇒ ۱ − ۰٫۶⁴ ≈ ۰٫۸۷
نزدیک است — و اگر اختلاف نرخ بیشتر باشد، D20 پیروز میشود.
۳. پروتکل چهارگامی ساخت جدول شخصی
📊 گام ۱ — پورتفولیوی دبل بسازید
به هر یک از این دبلها حداقل ۵۰ دارت بزنید:
D20 · D16 · D18 · D12 · D10 · D8 · D4 · D2
جدولی مثل این پر کنید:
| دبل | تلاش | موفق | درصد |
|---|---|---|---|
| D20 | ۵۰ | — | — |
| D16 | ۵۰ | — | — |
| D18 | ۵۰ | — | — |
| D12 | ۵۰ | — | — |
| D10 | ۵۰ | — | — |
| D8 | ۵۰ | — | — |
| D4 | ۵۰ | — | — |
| D2 | ۵۰ | — | — |
⚠️ ۵۰ دارت حداقل است. برای برآورد پایدارتر، ۱۰۰ بهتر است. یادآوری: کلیتون دادهاش از ۵۸۴ تلاش آمده.
🥇 گام ۲ — دو «دبل طلایی» را مشخص کنید
دو دبلی که بالاترین درصد را دارند.
💡 اگر اختلاف دو دبل زیر ۵ واحد درصد است، آنکه زوج‑شکن بهتری دارد را انتخاب کنید (اصل توان دو).
✍️ گام ۳ — جدول را بازنویسی کنید
همهٔ مسیرها را طوری تغییر دهید که به دبلهای طلایی شما ختم شوند.
مثال: اگر D10 برای شما از D16 بهتر است: - از ۶۸: بهجای مسیر استاندارد، T16 → D10 بزنید - از ۵۰: بهجای Bull، S30 → D10
🔄 گام ۴ — فصلی بازآزمون کنید
نرخ دبل شما ثابت نیست. هر سه ماه پورتفولیو را دوباره بسنجید.
۴. لایهٔ دوم: مدیریت باقی‑مانده
جدول شخصی فقط نیمی از کار است. نیمهٔ دیگر: چگونه به آن باقی‑مانده برسید.
اعداد Bogey
۱۶۹ · ۱۶۸ · ۱۶۶ · ۱۶۵ · ۱۶۳ · ۱۶۲ · ۱۵۹
قاعده: ختم به ۲، ۳، ۵، ۶، ۸، ۹
منطق Setup Shot
مثال ۱ — از ۲۲۹: | انتخاب | باقی‑مانده | نتیجه | |---|---|---| | T20 (۶۰) | ۱۶۹ | ❌ بوگی | | T19 (۵۷) | ۱۷۲ | ✅ |
مثال ۲ — از ۲۲۰ با T20 مسدود: هر ترپل دیگری به تلهٔ بوگی میافتد. دبل‑بول (۵۰) ⇒ ۱۷۰ = بزرگترین فینیش سه‑داره ✅
🔑 قاعدهٔ عملی
در بازهٔ ۲۰۰ تا ۲۳۰، همیشه چک کنید T20 شما را روی بوگی نمیاندازد.
۵. بنچمارک: چند دارت واقعاً لازم است؟
برای یک دارندهٔ Tour Card:
| باقی‑مانده | دو‑داره | سه‑داره | دارت اضافی در صورت شکست |
|---|---|---|---|
| ۴۱ | ۳۷٫۵٪ | ۲۷٪ | ۳٫۶۱ |
| ۳۲ | — | — | ۲٫۶۱ (حداقل) |
⚠️ تنظیم انتظار: اگر یک حرفهای از ۴۱ فقط ۳۷٫۵٪ مواقع در دو دارت میبندد، نرخ شما پایینتر خواهد بود. این طبیعی است.
۶. مبنای ریاضی: چرا این کار میکند
مدلهای فرآیند تصمیم مارکوف نشان میدهند سیاست بهینه به دو چیز بستگی دارد: 1. پراکندگی پرتاب شما (σ) 2. امتیاز باقی‑ماندهٔ فعلی
و مدل بیزی تجربی پرتابها را روی ۶۲ ناحیهٔ هدف ممکن کدگذاری میکند — یعنی نرخ شما روی هر ناحیه جداگانه مدل میشود، نه بهصورت یک عدد کلی [MOD].
🔑 این دقیقاً همان کاری است که شما با پورتفولیوی دبل انجام میدهید — فقط دستی.
۷. مثال کامل: یک جدول شخصی‑شده
فرض کنید نتایج تست شما این است:
| دبل | نرخ شما |
|---|---|
| D10 | ۵۲٪ 🥇 |
| D16 | ۴۸٪ 🥈 |
| D20 | ۳۵٪ |
| D8 | ۳۴٪ |
بازنویسی مسیرها
| باقی‑مانده | ❌ مسیر استاندارد | ✅ مسیر شما |
|---|---|---|
| ۴۰ | D20 | S20 → D10 |
| ۵۰ | Bull | S30 → D10 |
| ۶۸ | T20 → D4 | T16 → D10 |
| ۸۰ | T20 → D10 | T20 → D10 ✓ (همان) |
| ۱۰۰ | T20 → D20 | T20 → D20 یا T16 → D26? ← نامعتبر، پس T20 → D20 |
⚠️ توجه: برخی مسیرها گزینهٔ بهتری ندارند. هدف بهینه‑سازی است، نه کمال.
۸. جمعبندی
- جدول استاندارد فرض میکند همهٔ دبلها یکساناند — نیستند
- دادهٔ PDC ثابت میکند: فن‑دن‑برخ D18 را ۸ واحد بهتر از D20 میزند
- چهار گام: پورتفولیو → دبل طلایی → بازنویسی → بازآزمون فصلی
- حداقل ۵۰ دارت به هر دبل (۱۰۰ بهتر)
- لایهٔ دوم: مدیریت باقی‑مانده — مراقب بوگی در بازهٔ ۲۰۰–۲۳۰
- مبنای ریاضی: MDP و مدل بیزی تجربی همین کار را خودکار میکنند
❓ پرسشهای متداول
چرا جدول استاندارد برای من بهینه نیست؟ چون فرض میکند نرخ شما روی همهٔ دبلها یکسان است. دادهٔ PDC نشان میدهد حتی حرفهایها اختلاف ۸+ واحدی دارند.
چند دارت برای تست هر دبل لازم است؟ حداقل ۵۰، ترجیحاً ۱۰۰. دادهٔ کلیتون از ۵۸۴ تلاش آمده.
آیا D16 همیشه بهتر از D20 است؟ از نظر زنجیرهای بله (۵ تلاش در برابر ۲). اما اگر D20 را خیلی بهتر میزنید، مزیت از بین میرود.
چند وقت یک‑بار بازآزمون کنم؟ فصلی — هر سه ماه.
از ۲۲۹ چه بزنم؟ T19، نه T20 — چون T20 شما را روی ۱۶۹ (بوگی) میگذارد.
چند دارت برای بستن ۴۱ لازم است؟ حرفهای: ۳۷٫۵٪ در دو دارت، ۲۷٪ در سه دارت [AD].
📚 منابع
- TheDartScout — 501 Checkout Strategy: دادهٔ نرخ دبل PDC ۲۰۲۰، زنجیرهٔ نصف‑شدن [AD] [PK]
- Darts Checkout Assistant — اعداد Bogey و منطق Setup Shot [PK]
- PDC Stats Analysis — احتمال فینیش از ۴۱ و ۳۲ [AD]
- Baird, JORS — MDP و وابستگی سیاست به باقی‑مانده [MOD] [PR]
- مدل بیزی تجربی — ۶۲ ناحیهٔ هدف [MOD]
- The Conversation — اصل باقی‑ماندهٔ توانی از ۲ [MOD]
🔗 مطالعهٔ بیشتر
جدول کامل چک‑اوت · اعداد Bogey · ترجیح شخصی بر نظریه · نقشهٔ حرارتی شخصی · ریاضیات دارت · چهار حوزهٔ تمرین
جمعآوری شده توسط بابک آقایی | بر پایهٔ سیستم مرجع دانش دارت نسخهٔ ۴.۰ | بازبینی: ۱ اوت ۲۰۲۶