扑克概率初学者指南，助你轻松入门德州扑克概率计算

倘若你具备算数能力，那你便能够学着如扑克玩家那般进行思考。扑克游戏在短期内看似是凭借运气，然而每一个决策的背后均蕴藏着组合数学、概率以及期望值 (EV)。在这份指南当中，你将会学到这些基础内容：怎样去计算每手五张牌的赔率，条件信息会怎样对德州扑克里的概率产生影响，以及怎样运用……去模拟各类场景。借助 Python 验证你的直觉。其目标并非保证赢钱，而是助力你 通知 决策，领会差异，并且领略统计推理的美妙之所在。

教育说明：此内容仅仅是供用于学习统计以及决策方面的，并不作出盈利的保障，也不进行赌博行为的鼓励。

您将学到什么（摘要）1）牌组、组合和概率语言

一副有着52张的标准牌，有着13个点数，分别是A、2、…、K ，还存在4个花色 ，在五张牌的扑克里面，每一手牌它都是一个五张牌的组合，并且是无序的。

5 张牌的手牌总数等于从 52 张牌中选 5 张的组合数，，这个组合数等于 52 的阶乘除以 5 的阶乘与 47 的阶乘的乘积，，其结果为 2598960。

这个数字，是所有五张牌概率的分母，在德州扑克里玩，家会拿到两张底牌，之后还要跟五张公共牌组合，我们通常采用条件计数或者模拟，因为交易序列以及玩家互动致使代数变得混乱。

2）五张牌扑克牌型的准确赔率

跟着是五张牌的标准点数以及概率。你能够运用组合再次去推导每一个点数；我率先展示一回推导过程，随后供给表格。

对推导示例来说，一对的组合计数为，从13个点数中选1个的组合数，乘以从4种花中选2张成对牌的组合数，再乘以从剩下12个点数中选3个不同点数的组合数，乘以一种点数的4张牌中选3张的不同选法数的3次方所得到的具体数值，即1,098,240 ，而一对的概率是用一对的相应组合计数除以从52张牌中选5张牌的组合数，相除后大约得到0.4226 ，也就是42.26% ，这是关于标准五张牌概率中手型的组合计数以及机率的情况。

皇家同花顺

0.000154%

同花顺（前皇家）

36

0.001385%

同一样四个

624

0.0240%

满屋

3,744

0.1441%

同花（前同花顺）

5,108

0.1965%

顺子（前同花顺）

10,200

0.3925%

三同

54,912

2.1128%

两对

123,552

4.7539%

一对

1,098,240

42.2569%

高牌（无对子，无顺子/同花）

1,302,540

50.1177%

3）从计算到决策：底池赔率和期望值

把物体数量逐一查算清楚乃是根基所在，做出抉择要凭借预期价值（EV）方能确定。要是一项行动致使出现了相应成果，存在某种可能性，随后再持续开展接下来的步骤：

mathrm{EV}=sum_{i} p_i,x_i

用于扑克里，那作为金钱存在的，是你赢（用“+”表示）或者输（用“-”表示）时所凭借的筹码。当处于盈利状况时，呼叫的条件是(EVgt0)。在拥有绘图手的情形下，我们常常会针对底池赔率与抽奖赔率进行比较。

用p星表示那数值，它等于，以赎回金额为分子，以，赎回金额加上pot的和为分母，所构成的分数的值。

计费的示例呈现为，底池的金额是90美元，对手进行了10美元的下注，您需要跟注10美元才能够去查看下一张牌，跟注之后底池的金额变成了110美元。

收支实现平衡，此时的p星等于十一分之十，约为百分之九点零九。

要是你提升（且取胜）的几率超出9.09%，呼喊具备积极意义的芯片电动汽车，忽视未来的投注，这属于隐含赔率。

4）牌桌上的补牌和近似规则

An是一张瞅不见的牌，能够提升你的牌力，致使你的牌力处在最佳状态。要是存在一张牌（河牌），那么起码会击中一张你的k，那些剩下来未见的牌的出局数大致为：

对于河牌圈击中的概率而言，其近似等于，这个数 k 除以 46。

借助即将出现的两张牌，也就是转动牌和河流牌，能确定的一个便于使用的近似值是4和2规则。

常见出局数

5）德州扑克中的条件概率

信息依照阶段抵达，（从翻牌前开始，到翻牌，再到转牌，最后到河牌）。每一回揭示条件概率空间。若是 A 属于“我于河牌圈获取同花”的事件，B 事件为“翻牌圈展现我的两张花色牌”，那么：

事件A在事件B发生的条件下的概率，等于事件A与事件B同时发生的概率除以事件B发生的概率哟。

玩家并非每次都要开展复杂的枚举行为，而是去运用出局以及近似值，或者运用它们所进行的模拟。

例如：翻牌后，河牌圈出现同花 4，

你手上持有两张红心牌，翻牌圈呈现出两张红心牌，这致使你出现4心合并以及9出局的情况，也就是13红心减去4见红心。关于“转牌和河牌均未中”的精确互补计算：

转牌出现没有红桃的概率，与河牌出现没有红桃的概率的乘积为，三十九除以四十七，再乘以三十八除以四十六，约等于零点六七六。

所以德信竞技，

P（河牌圈同花）约等于，1减去0.676的结果，等于0.324。

匹配 4规则 直觉 k = 9 翻牌后。

6）Python：计数、赔率表和微型模拟器

您无需借助求解器即可学习。从三个实用脚本开始。

6.1 准确计算五张牌的概率

导入数学 def nCk(n，k): 返回 math.comb(n，k) total = nCk(52，5) counts = { "royal_flush": 4, "straight_flush_ex_royal": 36, "four_of_a_kind": 624, "full_house": 3744, "flush_ex_straight_flush": 5108, "straight_ex_straight_flush": 10200, "three_of_a_kind": 54912, "two_pair": 123552, "one_pair": 1098240, "high_card": 1302540 } for hand, c in counts.items(): p = c / total print(hand, c, f"{100*p:.6f}%")

6.2 补牌、底池赔率和期望值助手

def break_even_prob_to_call(amount_to_call, pot_before_call): pot_after_call = pot_before_call + amount_to_call return amount_to_call / pot_after_call def approx_hit_prob(outs, cards_to_come=1): # 2 和 4 规则 if cards_to_come == 1: return min(1.0, outs * 2 / 100) elif cards_to_come == 2: return min(1.0, outs * 4 / 100) else: raise ValueError("cards_to_come must be 1 or 2") def call_chip_ev(amount_to_call, pot_before_call, win_prob): pot_after_call = pot_before_call + amount_to_call # EV = win_prob * pot_after_call - (1 - win_prob) * amount_to_call return win_prob * pot_after_call - (1 - win_prob) * amount_to_call # 例如：to_call = 10 pot = 90 p_be = break_even_prob_to_call(to_call, pot) p_approx = approx_hit_prob(outs=9, cards_to_come=2) # 翻牌后同花 ev = call_chip_ev(to_call, pot, p_approx) print("盈亏平衡概率：", round(p_be, 4)) print("近似获胜概率：", round(p_approx, 4)) print("跟注的筹码 EV：", round(ev, 2))

6.3 单挑德州扑克的迷你蒙特卡洛（非常简化）

从集合中导入随机数，从 itertools 导入计数器，从 itertools 导入组合，排名 = "23456789TJQKA"，花色 = "CDHS"，牌组 = [r+s for r 在花色为 s 的排名中] def hand_rank_5(cards5): rs = sorted([c[0] for c in cards5], key=ranks.index) ss = [c[1] for c in cards5] is_flush = len(set(ss)) == 1 vals = sorted([ranks.index(r) for r in rs]) is_straight = all(vals[i]+1 == vals[i+1] for i in range(4)) or vals == [0,1,2,3,12] cnt = Counter(rs).most_common() counts = sorted([c for _, c in cnt], reverse=True) if is_straight and is_flush: cat = 8 elif counts == [4,1]: cat = 7 elif counts == [3,2]: cat = 6 elif is_flush: cat = 5 elif is_straight： cat = 4 elif counts == [3,1,1]： cat = 3 elif counts == [2,2,1]： cat = 2 elif counts == [2,1,1,1]： cat = 1 else： cat = 0 order = [] for r,c in sorted(cnt，key=lambda x:(x[1]，ranks.index(x[0]))，reverse=True）： order += [r]*c key = tuple(sorted([ranks.index(r) for r in order]，reverse=True)) return (cat，key) def best_5_from_7(cards7): best = None for comb in combinations(cards7, 5): rank = hand_rank_5(comb) if best 为 None 或 rank > best： best = rank return best def simulate_heads_up(hole_hero，iters=20000): wins = ties = 0 for _ in range(iters): d = deck.copy() for c in hole_hero: d.remove(c) random.shuffle(d) villain = d[:2] board = d[2:7] hero_best = best_5_from_7(hole_hero + board) vill_best = best_5_from_7(villain + board) if hero_best > vill_best: wins += 1 elif hero_best == vill_best: ties += 1 return (wins + 0.5*ties) / iters # 示例：模拟 AK hero = ["AS", "KS"] wr = simulate_heads_up(hero, iters=5000) print("AK suit (heads-up) 的预估胜率：", round(100*wr, 2), "%")

7）贝叶斯定理：根据对手的行动更新信念

纸牌并非仅仅只是呈现出是扑克的样子；它所关联的是，围绕着范围展开的推理。贝叶斯定理以一种形式化的方式表明，新出现的证据，诸如对手的下注行为、过牌举动或者加注动作，会对您针对他们手中牌的判断产生更新的作用。

P(H给定E的条件概率)等于，P(E给定H的条件概率)乘以P(H)，再除以P(E)。

于实践当中，我们依据人口趋势，像紧手玩家3次下注大概占手牌总数的3至5%这般，从而估算先验，随后依照我们所见到的手牌样本予以细化。

8）差异与技巧：为什么数学能长期获胜

往往短期结果难以尽如人意，即便采用正期望值策略，你也会历经连续输钱，在诸多手牌当中，大数定律向我们表明样本平均值趋近真实平均值，要是你的决策系统地mathrm{EV}>0，你的长期预期利润为正，尽管方差（摇摆度）或许很大。

一种简易的可视化方式乃是模拟一枚存在偏差的硬币（其数学期望大于零），并对累积利润路径予以观察，众多路径于短期内会呈现为负值状态，然而随着尝试次数的不断增加，呈现出来的趋势是处于上升态势。扑克的情况亦是如此，电动汽车的出现是伴随着数量以及纪律而出现的。

9）道德游戏：资金管理和自我控制

数学可以帮助你 避免自欺欺人:

把初学者的学习计划里记住五张牌的赔率表，和理解组合学说清晰明确，练习出局以及4和2规则，一直练到能马上算出它们。用底池赔率和期望值助手检查自己玩过的真实牌局情况，在特定场景当中（即自己的两张底牌与猜测的对手范围）试运行豪华度假村。添加贝叶斯思维，也就是依据观察到的动作去更新对手的模型。保留一个手记，记录决策、计算以及各种结果。你便能够从中看到规律与其出现的一个个错误现象。结语。

扑克是概率的丰富实验室，是统计学的丰富实验室，是理性决策的丰富实验室。关于扑克，组合学能告诉你每手牌的罕见程度。关于扑克，条件概率和贝叶斯可解释新信息要怎样重塑你的信念。关于扑克，期望值和底池赔率能将信念转化为选择。关于扑克，模拟可验证理论并训练直觉。你没办法消除不确定性，不过你会用结构取代猜测，用诚信取代猜测，用纪律取代猜测。

建议的内部链接