1,000 場錦標賽
把預期收益與最終虧損概率放在一起看。平均收益為正，也可能出現虧損的比賽序列。還要看區間形狀：少數高額收益可能把上端拉長。
免費計算器
MTT方差計算器
設定 ROI 與賽制假設，觀察模擬結果的分佈和虧損概率。模擬不能測出你的真實優勢，也不預測個人收益。
方法核驗 · 2026 年 9 月 7 日
計算結果
查看可能的結果範圍
陰影區間適用於每個時間點，而非整條軌跡。EV 是均值，不是收益承諾。
EV95% 區間
模擬中…
$ · 模擬隨機種子 42 · 蒙特卡洛估計：不同隨機種子間的小幅差異屬正常。
波動無法控制，但你的 ROI 可以提升。
任何資金管理規則都改變不了這條曲線，只有你的決策水平可以。修正一個反覆出現的漏洞，整條區間都會上移。
用 GTO Wizard 學習 MTT 和 ICM 牌例提供免費方案 · Premium MTT 涵蓋 ICM、PKO 與 Spin & Go用 PokerSnowie 複盤錦標賽手牌10天免費試用 · Windows、Mac、iPhone/iPad · 按籌碼分析，不含 ICM
免費試用 Hand2Note可根據你的手牌歷史追蹤全下 EV 和漏洞，試用期 14 天。
瞭解資金管理廣告 · 軟件推廣。部分軟件鏈接為推廣鏈接；通過鏈接訂閲時，我們可能獲得佣金。
查看詳細信息
- 總標準差
- 2,065 $
- 預期 ROI
- 10 %
一條樣本軌跡的回撤
與此前觀測峯值的差額。繪圖點之間的低谷可能未被捕捉。
獎金分佈模型
| 名次 / 結果 | 總獎金 | 模型概率 |
|---|---|---|
| 1 | 1,098.89 $ | 0.2444 % |
| 2 | 512.65 $ | 0.2444 % |
| 3 | 328.19 $ | 0.2444 % |
| 4 | 239.16 $ | 0.2444 % |
| 5 | 187.11 $ | 0.2444 % |
| 6 | 153.1 $ | 0.2444 % |
| 7 | 129.22 $ | 0.2444 % |
| 8 | 111.57 $ | 0.2444 % |
| 9 | 98.01 $ | 0.2444 % |
| 10 | 87.29 $ | 0.2444 % |
| 11 | 78.6 $ | 0.2444 % |
| 12 | 71.43 $ | 0.2444 % |
| 13 | 65.41 $ | 0.2444 % |
| 14 | 60.29 $ | 0.2444 % |
| 15 | 55.88 $ | 0.2444 % |
| 16 | 52.05 $ | 0.2444 % |
| 17 | 48.69 $ | 0.2444 % |
| 18 | 45.73 $ | 0.2444 % |
| 19 | 43.08 $ | 0.2444 % |
| 20 | 40.72 $ | 0.2444 % |
| 21 | 38.59 $ | 0.2444 % |
| 22 | 36.67 $ | 0.2444 % |
| 23 | 34.92 $ | 0.2444 % |
| 24 | 33.32 $ | 0.2444 % |
| 25 | 31.86 $ | 0.2444 % |
| 26 | 30.51 $ | 0.2444 % |
| 27 | 29.27 $ | 0.2444 % |
| 28 | 28.12 $ | 0.2444 % |
| 29 | 27.06 $ | 0.2444 % |
| 30 | 26.07 $ | 0.2444 % |
| 31 | 25.15 $ | 0.2444 % |
| 32 | 24.28 $ | 0.2444 % |
| 33 | 23.47 $ | 0.2444 % |
| 34 | 22.72 $ | 0.2444 % |
| 35 | 22 $ | 0.2444 % |
| 36 | 21.33 $ | 0.2444 % |
| 37 | 20.7 $ | 0.2444 % |
| 38 | 20.1 $ | 0.2444 % |
| 39 | 19.53 $ | 0.2444 % |
| 40 | 19 $ | 0.2444 % |
| 41 | 18.49 $ | 0.2444 % |
| 42 | 18 $ | 0.2444 % |
| 43 | 17.54 $ | 0.2444 % |
| 44 | 17.11 $ | 0.2444 % |
| 45 | 16.69 $ | 0.2444 % |
| 46 | 16.29 $ | 0.2444 % |
| 47 | 15.91 $ | 0.2444 % |
| 48 | 15.54 $ | 0.2444 % |
| 49 | 15.2 $ | 0.2444 % |
| 50 | 14.86 $ | 0.2444 % |
| 51 | 14.54 $ | 0.2444 % |
| 52 | 14.23 $ | 0.2444 % |
| 53 | 13.94 $ | 0.2444 % |
| 54 | 13.66 $ | 0.2444 % |
| 55 | 13.38 $ | 0.2444 % |
| 56 | 13.12 $ | 0.2444 % |
| 57 | 12.87 $ | 0.2444 % |
| 58 | 12.62 $ | 0.2444 % |
| 59 | 12.39 $ | 0.2444 % |
| 60 | 12.16 $ | 0.2444 % |
| 61 | 11.94 $ | 0.2444 % |
| 62 | 11.73 $ | 0.2444 % |
| 63 | 11.53 $ | 0.2444 % |
| 64 | 11.33 $ | 0.2444 % |
| 65 | 11.14 $ | 0.2444 % |
| 66 | 10.95 $ | 0.2444 % |
| 67 | 10.77 $ | 0.2444 % |
| 68 | 10.6 $ | 0.2444 % |
| 69 | 10.43 $ | 0.2444 % |
| 70 | 10.26 $ | 0.2444 % |
| 71 | 10.11 $ | 0.2444 % |
| 72 | 9.95 $ | 0.2444 % |
| 73 | 9.8 $ | 0.2444 % |
| 74 | 9.66 $ | 0.2444 % |
| 75 | 9.51 $ | 0.2444 % |
| — | 0 $ | 81.6667 % |
模型假設
如何理解模擬
示例常規錦標賽：15% 的參賽者獲獎，獎金隨名次下降，合計分配扣除抽水後的全部獎池。獲獎概率按目標 ROI 校準。這只是一個可能的模型，不預測你的實際名次；未模擬賞金、重新入場或參賽人數變化。
離散結果區間和虧損概率由 2,048 次模擬估計。罕見大獎可能導致估計不穩定。EV 和標準差根據完整分佈進行解析計算。
瞭解資金管理
結果解讀練習
比較兩種錦標賽場次
在 MTT 中，少數高額獎金會顯著影響整段成績。這些示例幫助理解這種影響。分別輸入場景，點擊“計算”，再記下圖表上方的三個結果。
共同假設：500 名參賽者，總買入 10 美元，預期 ROI 10%，抽水 10%。
2,000 場錦標賽
只把錦標賽場次翻倍。EV 翻倍，總標準差增長得更慢。比較顯示的上下界和虧損概率：場次會改變結果分佈，但不保證這一系列比賽盈利。
再測試更保守的 ROI
回到 1,000 場，只把 ROI 從 10% 改為 5%。保持參賽人數、買入和抽水不變，單獨觀察這一假設的影響。歷史 ROI 可以幫助構建場景，但也容易受少數突出成績和賽事水平影響。
最終虧損概率指所選場次或手牌量結束時的結果。要了解過程中出現的下跌，可以顯示模擬路徑並展開回撤詳情。回撤指相對於此前某個高點的下降幅度。
從模擬結果走向具體學習計劃
記錄表現、復盤決策並建立學習習慣。
選擇下一步學習方向
01
GTO Wizard
GTO Wizard 把範圍研究與決策訓練放在同一個瀏覽器工具中。離桌後選一個局面，理解哪些手牌下注、跟注或棄牌，再進入 Trainer 練習。先核對人數、有效籌碼、下注尺度與套餐覆蓋，避免把不匹配的解直接套用到自己的手牌。
02
PokerSnowie
PokerSnowie 用 AI 模擬對練與手牌分析幫助你學習無限注德州撲克。練習中不進行現金投注，結束後回顧自己的決策。喜歡先經歷完整手牌、再研究選擇的讀者，可以從一次短訓練開始。
GrindLab新合作伙伴
廣告 · 軟件推廣。部分軟件鏈接為推廣鏈接；通過鏈接訂閲時，我們可能獲得佣金。