⚙️ เครื่องคำนวณงวดถัดไป

คะแนนสุดท้าย = Markov + Frequency + Recency โดยน้ำหนักจะถูก normalize อัตโนมัติ. ค่า % ในตารางคือ Model share ของคะแนน ไม่ใช่ความน่าจะเป็นจริงของการออกรางวัล.

📅 งวดถัดไป

🧪 Walk-forward Backtest

แต่ละงวดจะถูก “ซ่อน” จากโมเดลก่อนทำนาย: train → rank → compare actual → เลื่อนไปงวดถัดไป.

📊 Transition Matrix — 2 ตัว

การเปลี่ยนหลักสิบและหลักหน่วยจากงวดหนึ่งไปงวดถัดไป ใช้เป็นส่วนหนึ่งของ Markov score.

📚 ข้อมูลที่ใช้

🧮 วิธีคำนวณ

2-digit Markov:
P(next digit | current digit) = (count + α) / (row total + 10α)
M(AB) = P(next tens=A) × P(next units=B)

3-digitท้ายรางวัลที่ 1:
M(ABC) = P(next hundreds=A) × P(next tens=B) × P(next units=C)

Frequency = จำนวนครั้งที่เลขออก / จำนวนงวด
Recency = Σ exp(-λ × age)
Final Score = wM·norm(M) + wF·norm(F) + wR·norm(R)

Model share (%) = Final Score / Σ Final Score × 100

Backtest = train → rank → compare actual → advance one draw
Random baseline: 2 ตัว Top K = K/100; 3 ตัว Top K = K/1000
Lift = model hit rate / random baseline

⚠️ Model share ไม่ใช่ true probability. หากการออกรางวัลเป็นอิสระและยุติธรรม เลข 2 ตัวแต่ละเลขมีโอกาส 1% และเลข 3 ตัวแต่ละเลข 0.1% ต่อหนึ่งงวด.

🔗 แหล่งข้อมูล

ฐานข้อมูลหลักเป็นประวัติผลรางวัลแบบเปิดและข้อมูลสถิติของสำนักงานสลากกินแบ่งรัฐบาล (GLO) โดยใช้ชุดข้อมูลย้อนหลังแบบ CSV เพื่อให้ประมวลผลในเบราว์เซอร์ได้เร็ว และเติมงวดล่าสุดหลังจากชุด CSV ด้วยข้อมูลปี 2568–2569 ที่ตรวจสอบกับแหล่งผลรางวัลสาธารณะ.

GLO Data Catalog — ข้อมูลผลการออกรางวัลสลากกินแบ่งรัฐบาล