Certaines mesures ont été proposées, voir
L'idée de base du premier article est d'estimer
skill = (potential learning effect) / (potential learning effect + potential random effect)
ce qui donne une compétence entre 0 et 1. Hélas, ces effets ne sont calculables analytiquement que pour les jeux "faciles". Pour une partie à un joueur, l'équation ci-dessus se résume à
skill = (Gm - G0) / (Gu - G0)
où les G sont les gains nets attendus de trois joueurs
'0': un débutant qui joue le jeu à la manière naïve de quelqu'un qui vient de maîtriser les règles du jeu.
«m»: un vrai joueur moyen qui peut être considéré comme représentant la grande majorité des joueurs.
«u»: un joueur virtuel moyen à qui nous disons à l'avance (c'est-à-dire avant qu'il ne décide) le résultat des éléments de chance.
À titre d'exemple, ils calculent pour la roulette américaine: Gu = 35 et Gm = -1/74, cette dernière correspondant à un jeu "simple" (par exemple rouge / noir, paire / handicap). La valeur de G0 est en fait un sujet de débat, même pour ce jeu. Si le débutant opte pour une stratégie simple, la compétence est évidemment 0. Cependant, si G0 est pour une stratégie non simple (par ex. plein, cheval, carre ), alors G0 est -1/37 (c'est-à-dire une perte moyenne pire.) Donc avec cette dernière hypothèse, il y a un potentiel d'apprentissage mineur, donc la compétence est 0,0004. Je dois dire que je suis un peu vexé qu'ils utilisent la terminologie française pour la roulette américaine; hélas, ils citent qu'ils citent pour plus de détails est en néerlandais.
Pour le Blackjack, ils dérivent d'une simulation informatique que Gm = 0,11, Gu = 27, et prennent G0 = -0,057 pour une stratégie "imiter le croupier", et de là obtenir une compétence de 0,006.
Pour les jeux où les joueurs s'affrontent directement et des stratégies comme les sacs de sable ou le bluff (ce sont les seuls jeux appelés jeux multi-joueurs dans la théorie des jeux d'ailleurs), le deuxième article a une approche plus sensée dans la mesure où il considère les joueurs susceptibles de changer de stratégie comme une source du hasard. Ils utilisent la même formule de compétence que ci-dessus (sauf qu'ils appellent les trois types de joueurs débutant, optimal et fictif). La différence dans leur approche est que
les gains attendus pour le joueur i en tant que joueur optimal sont donnés par ses gains attendus dans l'équilibre de Nash du jeu à deux personnes à somme nulle contre la coalition des autres joueurs
et pour le joueur "fictif", ils supposent également qu'il connaît le résultat du processus de randomisation de ses adversaires.
Hélas, il n'y a pas d'exemples intéressants mais assez simples à raconter en détail ici. Ils calculent pour une version simplifiée de drawpoker une compétence de 0,22.
Les deux articles soulignent cependant que la valeur exacte des compétences dépend de la définition / hypothèse du comportement des débutants.
Une approche expérimentale est nécessaire pour les jeux plus complexes d'intérêt pratique, par exemple
Ces joueurs identifiés a priori comme étant hautement qualifiés ont réalisé un retour sur investissement moyen de plus de 30%, contre -15% pour tous les autres joueurs. Cet écart important dans les rendements est une preuve solide à l'appui de l'idée que le poker est un jeu d'adresse.