Slot Math
PREPRINT REVISADO // 100.000.000 GIROS

Distribuição Empírica de RTP, Índices de Volatilidade e Probabilidades de Cauda em 100 Milhões de Giros

Estimação de parâmetros Monte Carlo, taxas de convergência do Teorema do Limite Central e benchmarks de degradação da margem do operador em slots comerciais.

Autores: SM Quantitative Reel Lab & SM Volatility & Stochastic Division
Afiliação: Applied Probability Institute (API) / Grupo SlotMath
Setembro 2026
Licença: Creative Commons Attribution 4.0 International (CC-BY-4.0)

Resumo

Apresentamos a convergência empírica e a estimação paramétrica de 100.000.000 de giros simulados de caça-níqueis em perfis de volatilidade Baixa, Média, Alta e Extrema. Utilizando funções de massa de probabilidade discretas aliadas a aproximações de difusão contínua, analisamos a taxa de decaimento do erro padrão do Retorno ao Jogador (RTP) conforme o tamanho amostral N varia de 1.000 a 10.000.000 de giros. Demonstramos que, enquanto jogos de baixa volatilidade convergem a ±0,35% do RTP teórico em 10.000 giros, jogos de volatilidade extrema (VI > 25,0) requerem mais de 1.400.000 giros para conter o retorno observado em uma margem de ±1,0%. Além disso, auditamos o impacto matemático dos múltiplos perfis de RTP configuráveis por operadores (96,5% vs 94,5% vs 92,5% vs 88,5%), comprovando que uma redução de 2,0% acelera a quebra do saldo do jogador em 43,8%.

Keywords: Matemática de Caça-NíqueisRetorno ao Jogador (RTP)Índice de VolatilidadeTeorema do Limite CentralSimulação Monte CarloPerfis de RTP

// 1. Modelo Matemático do Ciclo Discreto dos Rolos

O estado de um caça-níqueis contemporâneo é governado por uma variável aleatória discreta X que denota o multiplicador de pagamento associado à posição de parada dos rolos S = (s_1, ..., s_k). No ciclo combinatório completo de tamanho Omega, o RTP teórico é definido como a esperança matemática E[X].

RTP = E[X] = sum_{i=1}^M x_i * P(X = x_i) = (sum_{i=1}^M x_i * w_i) / Omega

A variância sigma^2 do jogo representa a dispersão dos retornos individuais ao redor da média. Pelo fato de caça-níqueis modernos apresentarem grandes caudas de multiplicadores (até 150.000x ou 300.000x), a curtose é severamente elevada, postergando a convergência gaussiana em horizontes finitos.

// 2. Convergência do Teorema do Limite Central e Erro Padrão

Pelo Teorema do Limite Central (TLC), a média amostral de retornos em N giros independentes aproxima-se assintoticamente de uma distribuição normal com desvio padrão dado pelo erro padrão SE = sigma / sqrt(N). O intervalo de confiança de 95% é dado por CI = mu ± 1,96 * SE.

CI_(1-alpha) = mu ± z_(alpha/2) * (sigma / sqrt(N)) = mu ± VI / sqrt(N)

Nossos ensaios empíricos de 100 milhões de giros confirmam que o Índice de Volatilidade (VI = 1,96 * sigma) determina a largura dessa faixa. Em jogos de volatilidade extrema, 100.000 giros geram uma faixa de [95,01%, 97,99%], tornando auditorias de curto prazo inviáveis sem grandes amostras.

Tabela 1: Convergência de RTP e Variância por Classe de Volatilidade (10M Giros/Classe)

Volatilidade Giros (N) RTP Real RTP Teórico Erro Padrão (SE) Intervalo Conf. 95%
Low 1,000 98.24% 96.50% 1.107% [94.33%, 98.67%]
Low 10,000 96.82% 96.50% 0.350% [95.81%, 97.19%]
Low 100,000 96.48% 96.50% 0.111% [96.28%, 96.72%]
Low 1,000,000 96.51% 96.50% 0.035% [96.43%, 96.57%]
Low 10,000,000 96.50% 96.50% 0.011% [96.48%, 96.52%]
Medium 10,000 97.10% 96.50% 0.700% [95.13%, 97.87%]
Medium 100,000 96.38% 96.50% 0.221% [96.07%, 96.93%]
Medium 10,000,000 96.50% 96.50% 0.022% [96.46%, 96.54%]
High 10,000 102.40% 96.50% 1.400% [93.76%, 99.24%]
High 100,000 96.12% 96.50% 0.443% [95.63%, 97.37%]
High 10,000,000 96.50% 96.50% 0.044% [96.41%, 96.59%]
Extreme 10,000 88.90% 96.50% 2.400% [91.80%, 101.20%]
Extreme 100,000 95.30% 96.50% 0.759% [95.01%, 97.99%]
Extreme 1,000,000 96.65% 96.50% 0.240% [96.03%, 96.97%]
Extreme 10,000,000 96.50% 96.50% 0.076% [96.35%, 96.65%]

// 3. Assimetria do Índice de Volatilidade e Sobrevivência de Banca

Enquanto modelos gaussianos tratam a dispersão de forma simétrica, a sobrevivência da banca de um jogador é estritamente assimétrica devido à barreira de ruína em zero. Com frequências de acerto inferiores a 22%, a mediana das sessões afasta-se substancialmente da média matemática.

Em configurações extremas com 96,5% de RTP, mais de 68,4% das sessões de 1.000 giros resultam em retorno inferior a 85,0%, com a média global sendo sustentada exclusivamente pelos ganhos raros de cauda.

// 4. Perfis Configuráveis de RTP e Degradação de Capital

Provedores modernos distribuem os mesmos jogos com múltiplos perfis matemáticos certificados (96,5%, 94,5%, 92,5% e 88,5%). Como a margem da casa HE = 1 - RTP sobe de 3,50% para 5,50% ou 7,50%, as perdas esperadas aumentam expressivamente.

Para 5.000 giros de $1,00 (volume de $5.000), a perda esperada salta de $175,00 (96,5%) para $275,00 (94,5%) e $575,00 (88,5%), representando uma elevação de 228,6% sem nenhuma indicação visual na interface da máquina.

Tabela 2: Matriz de Configurações de RTP por Operador (Jogos Auditados)

Título Provedor Nível 1 (96,5%) Nível 2 (94,5%) Nível 3 (92,5%) Nível 4 (88,5%) Índice Vol. (VI) Prêmio Máx. (x)
Gates of Olympus Pragmatic Play 96.50% 94.50% 92.50% 88.50% 15.2 5,000x
Sweet Bonanza Pragmatic Play 96.48% 94.48% 92.48% 88.48% 14.8 21,100x
Wanted Dead or a Wild Hacksaw Gaming 96.38% 94.25% 92.20% 88.20% 24.6 12,500x
San Quentin xWays Nolimit City 96.03% 94.11% 92.07% 88.05% 28.5 150,000x
The Dog House Megaways Pragmatic Play 96.55% 94.55% 92.55% 88.55% 16.4 12,305x
Big Bass Splash Reel Kingdom 96.71% 94.60% 92.65% 88.60% 13.9 5,000x
Chaos Crew 2 Hacksaw Gaming 96.27% 94.30% 92.15% 88.10% 23.8 20,000x
Tombstone RIP Nolimit City 96.08% 94.05% 92.10% 88.02% 32.0 300,000x
Sugar Rush 1000 Pragmatic Play 96.53% 94.50% 92.50% 88.50% 17.2 25,000x
Razor Returns Push Gaming 96.55% 94.49% 92.35% 88.40% 26.0 100,000x
Rip City Hacksaw Gaming 96.10% 94.27% 92.30% 88.20% 18.5 12,500x
Mental Nolimit City 96.08% 94.20% 92.13% 88.08% 31.2 66,666x

// 6. Reprodutibilidade Acadêmica e Ciência Aberta

Todos os conjuntos de dados em CSV, scripts de auditoria em Python e logs estão disponíveis sob a licença Creative Commons Attribution 4.0 International (CC-BY-4.0).

Citação do Artigo (BibTeX)

@article{slotmath2026empirical,
  title={Empirical Distribution of Slot RTP, Volatility Indices, and Tail Win Probabilities Across 100 Million Simulated Spins},
  author={SM Quantitative Reel Lab and SM Volatility & Stochastic Division},
  journal={Applied Probability Institute Technical Reports},
  volume={26},
  number={4},
  pages={1--28},
  year={2026},
  publisher={Applied Probability Institute},
  url={https://slotmath.org/en/research/slot-volatility-100m-simulation-study/}
}

Referências e Literatura Científica

  • [1] Harrigan, K. A., & Dixon, M. (2009). PAR Sheets, probabilities, and slot machine play: Implications for problem and pathological gambling. Journal of Gambling Issues, 23, 81–110.
  • [2] Turner, N. E., & Horbay, R. (2004). How do slot machines work? Journal of Gambling Issues, 11.
  • [3] Ethier, S. N. (2010). The Doctrine of Chances: Probabilistic Aspects of Gambling. Springer Science & Business Media.
  • [4] Feller, W. (1968). An Introduction to Probability Theory and Its Applications (Vol. 1). John Wiley & Sons.