枚举法：把所有可能的发牌组合都算一遍，得到精确值。翻牌圈还剩 45 张未知牌，转牌河牌两张的组合数是 C(45,2) = 990 种，算得完。所以翻牌圈的胜率可以做到精确。
抽样法：随机发牌几十万次，统计赢的比例。转牌圈未知牌 44 张，河牌一张，组合数不多；但如果要考虑对手范围（几十上百种手牌），组合数就爆炸了，只能抽样。
成熟的实现会混合用：能枚举的地方枚举，涉及范围的地方抽样。
统计上，误差与抽样次数的平方根成反比。粗略的换算：
| 抽样次数 | 典型误差 | 感受 |
|---|---|---|
| 5,000 | ±1.4 个点 | 边缘牌会看到明显跳动 |
| 20,000 | ±0.7 个点 | 基本够用 |
| 100,000 | ±0.3 个点 | 肉眼看不出来 |
| 1,000,000 | ±0.1 个点 | 实战完全没必要 |
所以「同一手牌两次算出 62% 和 63%」是正常的。但如果两次差 5 个点以上，那就不是抽样误差，是代码有 bug 或者范围设错了。
抽样只影响小数点后一位，范围建模能影响 10 个百分点。
举例：你手里 AKo，翻牌 K-7-2。对手在枪口位加注后跟了你的 3-bet。
差 23 个点。这不是算法精度问题，是「对手不可能拿 72o 跟你 3-bet」这个基本事实没被考虑进去。
所以判断一个工具好不好，别问它抽样多少次，问它「对手 UTG 开池的范围是什么」——答得出来才有模型。
弃牌的人手里有牌，那些牌不在牌堆里了。严格算要把已弃的牌也排除，但工具通常不知道别人弃了什么，只能忽略。这会让胜率略微偏高（对你和对手都偏高）。
平局算赢还是算一半？算一半才对（分池）。有些实现把平局直接算赢，长期看会高估胜率。
简单实现只看「现在这条街的直接补牌」，不算后门同花/后门顺。这会在翻牌圈低估边缘牌的胜率，差 2~4 个点。
三步，十分钟能做完：
三步都过，这个工具的数学部分就可以信了。剩下的问题在识别层和决策层。
问得最多的几个，直接给答案。
同一个工具的不同角度，点进去看细节。