
Olemme kaikki olleet tässä tilanteessa tuhansia kertoja. Kuitenkin, melkein aina unohdamme, kuinka tärkeä tämä tilanne on. Ensimmäinen käsi on ainoa tilanne, jossa et tiedä vastustajasta mitään, mutta sinun on silti pelattava häntä vastaan. Mitä teet tällaisessa tilanteessa?
Tietysti teet jonkinlaisia toimia. Et nosta käsiäsi ilmaan ja sano, että luovutat. Se, miten toimit, on sinun standardimallisi. Standardimalli on mielessäsi muodostunut malli, jonka olet luonut keskiarvosta pelaajista, joiden kanssa olet pelannut.
Tutkiessasi vastustajiasi, keräät hitaasti ja muodostat oman standardimallisi, hieman muokkaamalla sitä sisällyttämällä muiden ihmisten toimia, heidän ajattelumallejaan, kunnes sinulla on selkeä kuva pelaajien keskiarvosta mielessäsi. Tietysti, mitä tarkkaavaisempi olet ja mitä enemmän sinulla on kokemusta, sitä tarkempi standardisi on. Tietyssä mielessä, kun istut uuden pöydän ääreen jonkun kanssa, jota et tunne, et kohtaa todellista vastustajaasi. Katsot vain omaa standardivastustajamalliasi. Tämä on standardimalli, jota vastaan pelaat, jolle annat tiettyjä aikomuksia ja jonka käsiä yrität lukea.
Kuvitellaan, että näet pelaajan, joka tekee 3-betin ensimmäisessä kädessä ja sinä kippaat. Minkä johtopäätöksen voit tehdä tästä vastustajasta? Jos katsomme yksinomaan HUD-tilastoja, näkisimme, että hänen 3-bet-taajuutensa on 100%. Pelaatko häntä vastaan ikään kuin hän tekisi 3-betin 100% ajasta? Kaikki tiedämme, että kukaan ei tee 3-bettiä 100%, tällaisia yksilöitä ei ole pokerinpelaajien populaatiossa. Huomaa, että emme käytä tietoa vastustajan toimista muodostaaksemme hänen pelimalliaan, koska silloin olisi oikein päätellä, että hän tekee 3-betin 100%. Sen sijaan hänen toimiaan tulisi tulkita sen perusteella, miten taajuudet jakautuvat koko pelaajapopulaatiossa. Toisin sanoen, ajattelemme laajempaa pelaajajoukkoa ja käytämme tätä tietoa muodostaaksemme vastustajamallin.
Tilastotieteessä tämä tunnetaan nimellä Bayesian updating. Käyttämällä keskimääräistä 3-bet-taajuutta, standardipoikkeamaa (kuinka laaja 3-bet-taajuuden jakauma on koko populaatiossa) ja tuntemaamme todisteita (yksi 3-bet), voimme käyttää Bayesin laskelmia ja laskea vastustajan 3-bet-taajuuden yhdelle 3-betille. Jos yrittäisimme ennustaa luvun, se olisi 1% tai 2% korkeampi kuin keskiarvo, perustuen tapahtumaamme.
Saattaa vaikuttaa siltä, että pelaaminen jotakuta vastaan ensimmäisessä kädessä ei ole niin suuri ongelma, mutta se on alku, joka määrää, kuinka kaikki lukemamme toimivat vastustajaa vastaan. Jokaisessa ottelussa ensimmäisestä kädestä lähtien luomme uuden standardimallimme, aivan kuin savihahmon. Joten myöhemmin jokaisen seuraavan päätöksen myötä, jolla tarkkailemme vastustajaa, alamme antaa tälle hahmolle muodon, vähitellen muokkaamalla malliamme. Kun olemme keränneet tietyn määrän tietoa ja kokemusta, tämä malli kehittää oman persoonallisuutensa. Alamme nähdä sen silmät, leuat ja muut erilaiset yksityiskohdat, jotka tekevät siitä yksilön.
On erittäin tärkeää, että sinulla on mahdollisimman tarkka standardimalli, koska mitä tarkempi se on, sitä paremmin voit alussa 
Kuten mainitsimme, standardimalli päivitetään jatkuvasti. Mutta voit myös huomata, että sinulla on monipuolisia standardimalleja. Kun olet käyttänyt alkuperäistä mallia ja huomannut, että vastustaja on melko aggressiivinen tai passiivinen, voit muuttaa standardimallisi aggressiivisen tai passiivisen standardimallin peliin, jatkuvasti muuttaen sitä tilanteen mukaan. Kunnes lukemasi tulevat yhä tarkemmiksi ja tarkemmiksi, ja kunnes sinulla on lopulta oma yksilöllinen vastustajamallisi. Jokainen näistä malleista perustuu edelleen omaan pelisi heijastukseen, joten pidä se mielessä. Tärkeintä on, että analysointi ja uudelleenmallinnus alkaa alkuperäisestä vastustajamallista, jonka olet hänelle antanut, ja joka on peräisin kokemuksestasi keskimääräisen pelaajan kanssa.