[已处理] 押宝游戏赔率结算存在问题!

jackiedzc 2010-07-26 01:15:08
我参加了一个24日9:30结算的一个押宝游戏,我记得我是23日押宝的,当时看了下赔率是2.12,24日我在看了下,赔率是1.99,这是理所当然的,越接近结尾赔率当然是越低,就像足球比赛刚开始就押注和到89分的时候在押注赔率会差好多。
可是我刚刚发现我押注的游戏是以1.99的赔率帮我算的,也就是说我白担了比别人多1天的风险,但拿到的成果确实和别人一样的。
虽然只是积分而已,不那么伤筋动骨, 但对于赌博界是不公平,不公正的:),我发现了这个错误,所以我必须把它指出来,希望CSDN的庄家能够改进下,能够让我输的也心服点:)


----------------------------------------------------------------------------------------------
I like CSDN!
...全文
277 8 打赏 收藏 转发到动态 举报
写回复
用AI写文章
8 条回复
切换为时间正序
请发表友善的回复…
发表回复
jackiedzc 2010-07-27
  • 打赏
  • 举报
回复
[Quote=引用 8 楼 c_hua6280 的回复:]
尊敬的用户jackiedzc,您好:

目前赔率不是庄家所能控制的,您所说的情况我们会考虑,但暂时不会调整。

感谢您支持CSDN 社区!

Regards

====================================
[/Quote]

这位应该就是CSDN官方吧,早出来说话啊!
居然您都这么说了,我心里也就有个底了啊!
您是老大,您说了算!


也许对每个人都采取不公平的手段和规则就是公平了!
希望还是能够尽快改进,与国际接轨嘛!

---------------------------
继续押宝,GO!
c_hua6280 2010-07-27
  • 打赏
  • 举报
回复
尊敬的用户jackiedzc,您好:

目前赔率不是庄家所能控制的,您所说的情况我们会考虑,但暂时不会调整。

感谢您支持CSDN 社区!

Regards

====================================
jackiedzc 2010-07-27
  • 打赏
  • 举报
回复
没人支持我!苦啊~~~~~~~~~
SuperTitan001 2010-07-26
  • 打赏
  • 举报
回复
关键这个赔率不是庄家定的,是csdn根据多方押的分数定下来的。
如果赔率是庄家定的,按照原来的赔率给你分无可厚非。
sun0322 2010-07-26
  • 打赏
  • 举报
回复
csdn这里比赛开始后就不能再压分了。

结束时间都是比赛开始之前。
jackiedzc 2010-07-26
  • 打赏
  • 举报
回复
[Quote=引用 3 楼 sxzlc 的回复:]
没有问题,赔率是动态变化的。
[/Quote].

???
赔率当然是动态变化的!
但结算时动态变化了吗?

举个例子:
有一个庄,足球比赛,(中国VS西班牙)10:0的赔率:

1:比赛刚开始时是10000的赔率
2:到比赛到了89分钟,中国队已经9:0领先西班牙,这时的赔率是1

90分钟比赛结束,中国队10:0狂胜西班牙
甲在比赛刚开始就压住了1元,已在89分钟的时候压住1元。
庄家赔率结算:
甲拿到了10000元,而已只拿到了1元。
为什么?
因为甲比已多冒了89分钟的风险。10000元就是他的风险回报率。
已只拿到了1元,是因为他承受的风险只有1分钟而已。

如果甲也只拿到了1元,那还要这个赔率来干嘛!

CSDN的庄家,你说是哇?
sun0322 2010-07-26
  • 打赏
  • 举报
回复
没有问题,赔率是动态变化的。
就是just4 2010-07-26
  • 打赏
  • 举报
回复
不会押宝的,

楼主得到社区支持中投诉下了,:)
这个是完整源码 python实现 大数据 Spark pyspark 可视化大屏+Kafka+FastAPI+Vue3 【大数据毕业设计】基于Spark实时电商用户行为分析与预测(Python版本+pyspark+可视化大屏+Kafka+FastAPI+Vue3) 源码+论文 完整版 数据库Mysql 随着电子商务规模持续扩大,用户在浏览、加购、收藏与购买等环节产生的行为数据呈现高并发、高吞吐与强时效特征。传统离线批处理分析难以满足运营决策对实时性的要求。本文设计并实现了一套基于 Spark 的实时电商用户行为分析与预测系统,围绕“数据采集—流式计算—指标落库—可视化展示—销售预测”的完整链路展开研究与工程实践。 系统采用前后端分离架构:前端基于 Vue3、Element Plus 与 ECharts 构建管理端与数据大屏;后端采用 Python FastAPI 提供 RESTful 接口,并结合 JWT 完成管理员身份认证;实时链路以 Kafka 作为消息中间件承接行为事件,以 Spark Structured Streaming 完成按小时窗口的 PV、UV、加购、收藏、购买与销售额聚合;预测模块基于 Spark ML 线性回归对销售额序列进行建模,并输出 RMSE、MAE、MAPE 等误差指标。数据持久化采用 MySQL,数据库名为 db_ecommerce,核心业务表均以 t_ 前缀命名。 测试结果表明,系统能够稳定完成管理员登录、个人中心维护、行为与商品管理、实时统计展示、销售预测对比及流水线状态监控等功能,具备较好的可扩展性与教学示范价值,可为电商运营提供实时洞察与辅助决策支持。 本文的主要工作包括:完成系统需求分析与总体架构设计;绘制实体属性图与实体关系图并完成八张核心业务表设计;实现基于 Kafka 与 Spark 的实时统计及销售预测链路;完成 Vue

604

社区成员

发帖
与我相关
我的任务
社区描述
客服专区
其他 技术论坛(原bbs)
社区管理员
  • 客服专区社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧