单看期望收益获得的信息可能并不完全,比如咱们两个人期望收益都是1金币,第一枚徽章是100%+1金币,而第二枚徽章是1%+100金币,仅仅从收益的角度,你应该选择哪枚徽章呢?如果这个问题你不确定,我换一个方案,即方案三,为你提供两枚50%+1的徽章(假设不考虑勋章数量上限),你会选择这个吗
不要被期望骗了
我们主要针对上面三种方案背后的逻辑讨论,从两种不同路线进行分析:
第一部分:单个勋章的分析 · 前提说明: 1. 关注单个勋章触发后获得的金币数是一个无意义的数据,相对金币数而言,我们更关心触发概率,概率才是影响分布的首要条件,但是我们又不得不略微关注下数据,毕竟我们假设了一个极强的前提:期望不变。但是为了方便说明,我也会列举一些数值。 2. 在常规情况下,勋章的触发情况服从二次分布,当勋章触发概率足够小(p<5%)(用p代表派了,表示触发概率,派不好打)且试验次数足够多(n>20)时,勋章触发情况服从泊松分布,当试验次数足够多,λ(λ=np)大于20时候,可认为服从正态分布。 |
我们会分别从试验次数高和低,勋章触发概率高和低角度分别说明。
我们手里有好多好多,好漂亮的勋章~这些勋章的期望收益都是一样的诶,你要如何选择呢 100%+3金币|75%+4金币|25%+12金币|1%+300金币|... 还有很多很多其他的,这些勋章的主要特征是期望收益相同
下图展示了在不同的试验次数下,你的真实收益小于等于期望收益的概率 可以看出,当试验次数较小且触发概率小于0.5时,分布是一个非常明显的右偏分布,用0.01这个概率说明,如果这枚徽章的触发概率是0.01,回100帖触发0次或者1次的概率约为73.6%,特别地,不触发(即亏本)的概率有36.6%,触发2次及以上(即血赚)的概率为26.4%;如果这枚徽章的触发概率是0.95,回100帖触发95次及以下的概率为56.4%,特别地,触发94次及以下(即亏本)的概率是38.4%,触发96次及以上(即血赚)的概率是43.6%。
【第一部分结论】 随着勋章触发概率的上升,当勋章触发概率小于0.5时,则为右偏分布,低于期望的结果将占比更大;当勋章触发概率大于0.5时,则为左偏分布,超过期望的结果将占比更大。这个数据会随着试验次数的上升而发生显著变化,在回10000帖的条件下,无论勋章触发概率是多少,都可以认为是正态分布。从二次分布,到泊松分布,再到正态分布的转变,本质上可以理解为偏度的逐渐降低,分布形状逐渐趋于正态,低于期望和高于期望的结果占比分别趋近于50%。
以上是关于单个勋章触发情况的分析。 第二部分:勋章拆分,一个勋章和两个勋章的差别,从而和无限的勋章的差别
现在摆在你面前的徽章,它...突然裂开了!并且竟然无休无止地分裂!!!
我们是否应该支持分割呢,如果分割,应该以何种方式分割为好呢? 按照可加性理解勋章分割:。独立同分布的随机变量具有可加性,二次分布、泊松分布、正态分布均具有可加性,可加性给我们提供了这样的结论:在试验次数足够的情况下,平均拆分对期望以及分布是没有影响的。 接下来着重讨论第一种情况:概率保持不变的情况下,平均拆分单个期望。这是一种比较简单的方式。 1枚100%+36金|2枚100%+18金|3枚100%+12金 或者1枚75%+36金|2枚75%+18金|3枚75%+12金...以及其他概率的拆分等等
(请注意,拆分不一定是平均,比如1枚75%+36金的,分裂成1枚75%+10金和1枚75%+26金,不平均的拆分我们暂时不做讨论)
我将在这里设置一个猎人陷阱,来猎捕出现的水怪,并对认真阅读的坛友表示感谢。如果您认真读了这个帖子的话,请在回复中至少包含两个数字。这个数字可以是文字,比如“楼主分析的乱七八糟”中的“七八”,也可以是数字,比如“我可能是那0.1%触发不了徽章的人”中的“0和1”。我会给前十个正确回帖的玩家1追随,如果是后来编辑的则自动失效。同时,我会在文末重新提及陷阱,请您在回复中尽可能不要表现出您看到了这段话。
我们先以两枚徽章进行分析,1枚勋章,75%+2金,分裂为2枚勋章,每枚勋章的效果是75%+1金。改变数值在图像上的影响主要是拉长,因此第一种情况下,相当于把100次75%概率的模拟结果拉长2倍,而第二种情况则类似进行200次模拟75%的结果。拉长并不会改变超过期望人数占总人群比的比例,增加次数会降低偏度导致分布更倾向于正态分布,从而改变超过期望人数占总人群比的比例。
在下面给出平均分成不同份数后真实收益小于期望收益的概率(p=100)。 【第二部分结论】-(1) 可以看出,只要勋章进行分割且概率低于50%时,那么你的真实收益小于期望收益的概率会随着勋章的分割而降低;如果勋章进行分割且概率高于50%时,那么你的真实收益大于期望收益的概率会随着勋章的分割而降低。说人话就是,高概率勋章不要切割,小概率勋章应切尽切。
还有两种比较复杂的情况,分别是: 1.概率不变,但是分割并不平均 2.期望不变,分割概率(比如将一个50%+1的分割成5个10%+1的)
其中第一种情况可以通过离散型卷积公式进行推导,第二种情况可能比较复杂,涉及到加和之后的概率是否超过50%的问题,理论上通过卷积公式也可以算出来,但是我困了
目前没有完整地推导出这两个情况的影响,但是第一种情况,不平均分割的结论应该和平均分割的结论是相同的,不平均分割其实只需要通过卷积公式证明+3分割成+2和+1后,概率分布变化的情况即可
第二种情况对是否分割结论影响不大,比如10%拆成两个5%,根据计算可以得到小于等于期望的概率分别是和58.316%和58.306%,二者相差并不大,如果80%拆成两个40%,根据计算得到小于等于期望的概率分别是53.983%和53.066%,这二者都表示出分割有利于改善自身情况。因此我猜测一个比较大胆的结论,即由次数上升导致偏度降低的修正强度,要高于概率降低所导致偏度上升的强度,这个结论可能在一定范围内是成立的,这个范围可能很大,但是推导起来应该会比较漫长,以后有时间可能会补充研究
什么?你问我研究勋章拆分有什么用?你和大佬回帖期望都是3金,大佬是一个100%+3的徽章,你是一堆10%+5金什么的乱七八糟的徽章叠上去的,这就是研究勋章拆分的意义。
and 这种研究就像是一个陷阱,如果你非常仔细地研究,会发现其中会有很多意想不到,或者说是不该出现的东西。我们往往设置至多两个变量就可以把这个问题研究得比较透彻,但是有的时候情况可能会过于复杂,以至于懒得仔细研究或者直接略过,这当然是无可厚非的,不过迎接真理的机会是有限的,对吧
|