词条 攻略

论总力战

PC
最近更新 : · 阅读数:3686 · 发布于:上海 历史记录
页面贡献者:
共 1 人编辑

这几天国际服打TM球炸了两张票,着实恶心到了。如果之后大家越来越卷该怎么办,这样大家打的轴会越来越凹,炸票的可能性也就越来越大。

如果一个轴凹度过大,可能就要学会取舍,毕竟有些阳寿轴真不是人能打出来的,个人的时间精力有限,票炸了也心疼,所以摆在面前的一个很实际的问题就是,如何去衡量凹度这么一个概念。

这篇文章主要来介绍总力战的凹度。会涉及到概率论的部分知识,但很多其实还是很直觉性的,我会尽量由浅入深讲解,力求即便没有学过概率论也能理解(个大概)。对原理不感兴趣的老师可以直接跳到总结部分。

 

【问题分析】

1.考虑一个简单的问题

假设有一枚硬币,抛一次结果为正反面的概率都为

0.5
,那么平均需要抛几次才能抛出正面?

假设每次实验需要抛

X
次才出现正面,那么我们可以计算
X%3Dn
的概率,记作
P%5C%7BX%3Dn%5C%7D
,则:



P%5C%7BX%3Dn%5C%7D%20%3D(%5Cfrac%7B1%7D%7B2%7D)%5E%7Bn-1%7D(%5Cfrac%7B1%7D%7B2%7D)


即前

(n-1)
次都抛出反面,第
n
次抛出正面的概率。

那么我们就可以用它来计算期望(即平均要抛硬币的次数):



E%5BX%5D%3D%5Csum_%7Bn%3D1%7D%5E%5Cpropto%20%20nP%5C%7BX%3Dn%5C%7D%20%3D%20%5Csum_%7Bn%3D1%7D%5E%5Cpropto%20%20n(%5Cfrac%7B1%7D%7B2%7D)%5En


由于:



%5Cfrac%7B1%7D%7B2%7DE%5BX%5D%20%3D%20%5Csum_%7Bn%3D1%7D%5E%5Cpropto%20%20n(%5Cfrac%7B1%7D%7B2%7D)%5E%7Bn%2B1%7D%20%3D%20%5Csum_%7Bk%3D2%7D%5E%5Cpropto%20%20(k-1)(%5Cfrac%7B1%7D%7B2%7D)%5E%7Bk%7D


两式相减可以得到:



%5Cfrac%7B1%7D%7B2%7DE%5BX%5D%20%3D%20%5Cfrac%7B1%7D%7B2%7D%2B%5Csum_%7Bn%3D2%7D%5E%5Cpropto%20%20(%5Cfrac%7B1%7D%7B2%7D)%5E%7Bn%7D%20%3D%201


解得:



E%5BX%5D%20%3D%202


 

2.稍微复杂一点

假设有一枚硬币,抛一次结果为正面的概率为

p
,反面为
(1-p)
,那么平均需要抛几次才能抛出正面?

同样道理,假设每次实验需要抛

X
次才出现正面,那么我们可以计算
X%3Dn
的概率:



P%5C%7BX%3Dn%5C%7D%20%3D(1-p)%5E%7Bn-1%7Dp


即前

(n-1)
次都抛出反面,第
n
次抛出正面的概率。概率论中通常将该概率分布称为几何分布。



X
的期望:



E%5BX%5D%3D%5Csum_%7Bn%3D1%7D%5E%5Cpropto%20%20nP%5C%7BX%3Dn%5C%7D%20%3D%20%5Csum_%7Bn%3D1%7D%5E%5Cpropto%20%20n(1-p)%5E%7Bn-1%7Dp


由于:



(1-p)E%5BX%5D%20%3D%20%5Csum_%7Bn%3D1%7D%5E%5Cpropto%20%20n(1-p)%5E%7Bn%7Dp%20%3D%20%5Csum_%7Bk%3D2%7D%5E%5Cpropto%20%20(k-1)(1-p)%5E%7Bk-1%7Dp


两式相减可以得到:



pE%5BX%5D%20%3D%20p%2B%5Csum_%7Bn%3D2%7D%5E%5Cpropto%20%20(1-p)%5E%7Bn-1%7Dp%20%3D%201


解得:



E%5BX%5D%20%3D%20%5Cfrac%7B1%7D%7Bp%7D


这其实也非常符合直觉:既然只有

p
的概率能抛出正面,那么想要抛出正面平均自然需要
%5Cfrac%7B1%7D%7Bp%7D
次。

 

3.再稍微复杂一点

假设有一枚硬币,抛一次结果为正面的概率为

p
,反面为
(1-p)
,那么平均需要抛几次才能连续两次抛出正面?

我们假设抛

X_2
次后连续两次抛出正面。

然后这里需要用到条件概率的知识:设抛出一次正面所需的次数为

X_1
,在已经抛出
1
次的条件下,若下一次抛的结果是正面,那么已经可以停止了;如果下一次抛的结果是反面,则我需要重新开始,得到:



E%5BX_2%7CX_1%5D%20%3D%20p(X_1%2B1)%2B(1-p)(X_1%2B1%2BE%5BX_2%5D)%20%3D%20X_1%2B1%2B(1-p)E%5BX_2%5D


这个式子详细解释有点复杂,但有时候需要勇于下判断。

对于条件限制下的期望,有公式:



E%5BX_2%5D%20%3D%20E%5BE%5BX_2%7CX_1%5D%5D%20%3D%20E%5BX_1%2B1%2B(1-p)E%5BX_2%5D%5D%20%3D%20E%5BX_1%5D%2B1%2B(1-p)E%5BX_2%5D


并利用

E%5BX_1%5D%20%3D%20%5Cfrac%7B1%7D%7Bp%7D
,解得:



E%5BX_2%5D%20%3D%20%5Cfrac%7BE%5BX_1%5D%2B1%7D%7Bp%7D%20%3D%20%5Cfrac%7B1%7D%7Bp%7D%2B%5Cfrac%7B1%7D%7Bp%5E2%7D


 

4.再稍微复杂一点

假设有一枚硬币,抛一次结果为正面的概率为

p
,反面为
(1-p)
,那么平均需要抛几次才能连续n次抛出正面?

我们假设抛

X_n
次后连续
n
次抛出正面。

同样道理,我们设抛出

(n-1)
次正面所需的次数为
X_%7Bn-1%7D
,在已经抛出
(n-1)
次的条件下,若下一次抛的结果是正面,那么已经可以停止了;如果下一次抛的结果是反面,则我需要重新开始,得到:



E%5BX_n%7CX_%7Bn-1%7D%5D%20%3D%20p(X_%7Bn-1%7D%2B1)%2B(1-p)(X_%7Bn-1%7D%2B1%2BE%5BX_n%5D)%20%3D%20X_%7Bn-1%7D%2B1%2B(1-p)E%5BX_n%5D


同样利用公式:



E%5BX_n%5D%20%3D%20E%5BE%5BX_n%7CX_%7Bn-1%7D%5D%5D%20%3D%20E%5BX_%7Bn-1%7D%2B1%2B(1-p)E%5BX_n%5D%5D%20%3D%20E%5BX_%7Bn-1%7D%5D%2B1%2B(1-p)E%5BX_n%5D


并利用

E%5BX_1%5D%20%3D%20%5Cfrac%7B1%7D%7Bp%7D
,解得:



E%5BX_n%5D%20%3D%20%5Cfrac%7BE%5BX_%7Bn-1%7D%5D%2B1%7D%7Bp%7D%20%3D%20%5Cfrac%7BE%5BX_%7Bn-2%7D%5D%2B1%7D%7Bp%5E2%7D%2B%5Cfrac%7B1%7D%7Bp%7D%20%3D%20...%20%3D%20%5Csum_%7Bk%3D1%7D%5En%20%5Cfrac%7B1%7D%7Bp%5Ek%7D


 

5.再稍微复杂一点

假设有

n
枚硬币,对于第
k
枚硬币,抛一次结果为正面的概率为
p_k
,反面为
(1-p_k)
,从第一枚硬币开始抛,如果结果为正面则抛下一枚硬币,一旦出现反面则重新从第一枚开始抛,那么平均需要抛几次才能连续n次抛出正面(从第一枚到第n枚顺次抛出正面)?

同样道理,我们假设抛

X_%7Bn%7D
次后连续
n
次抛出正面。设抛出
(n-1)
次正面所需的次数为
X_%7Bn-1%7D
,在已经抛出
(n-1)
次的条件下,若下一次抛的结果是正面,那么已经可以停止了;如果下一次抛的结果是反面,则我需要重新开始,得到:



E%5BX_n%7CX_%7Bn-1%7D%5D%20%3D%20p_n(X_%7Bn-1%7D%2B1)%2B(1-p_n)(X_%7Bn-1%7D%2B1%2BE%5BX_n%5D)%20%3D%20X_%7Bn-1%7D%2B1%2B(1-p_n)E%5BX_n%5D


利用公式:



E%5BX_n%5D%20%3D%20E%5BE%5BX_n%7CX_%7Bn-1%7D%5D%5D%20%3D%20E%5BX_%7Bn-1%7D%2B1%2B(1-p_n)E%5BX_n%5D%5D%20%3D%20E%5BX_%7Bn-1%7D%5D%2B1%2B(1-p_n)E%5BX_n%5D


并利用

E%5BX_1%5D%20%3D%20%5Cfrac%7B1%7D%7Bp_1%7D
,解得:



E%5BX_n%5D%20%3D%20%5Cfrac%7BE%5BX_%7Bn-1%7D%5D%2B1%7D%7Bp_n%7D%20%3D%20%5Cfrac%7BE%5BX_%7Bn-2%7D%5D%2B1%7D%7Bp_np_%7Bn-1%7D%7D%2B%5Cfrac%7B1%7D%7Bp_n%7D%20%3D%20...%20%3D%20%5Csum_%7Bk%3D1%7D%5En%20%5Cprod_%7Bj%3Dk%7D%5En%20%5Cfrac%7B1%7D%7Bp_j%7D


 

6.再稍微复杂一点

假设有

n
枚硬币,对于第
k
枚硬币,抛一次结果为正面的概率为
p_k
,反面为
(1-p_k)
,并且抛第
k
枚硬币需要花时间
t_k
。从第一枚硬币开始抛,如果结果为正面则抛下一枚硬币,一旦出现反面则重新从第一枚开始抛,那么平均需要多久才能连续n次抛出正面(从第一枚到第n枚顺次抛出正面)?

同样道理,我们假设耗时

T_n
后连续
n
次抛出正面。设抛出
(n-1)
次正面耗时为
T_%7Bn-1%7D
,在已经抛出
(n-1)
次的条件下,若下一次抛的结果是正面,那么已经可以停止了;如果下一次抛的结果是反面,则我需要重新开始,得到:



E%5BT_n%7CT_%7Bn-1%7D%5D%20%3D%20p_n(T_%7Bn-1%7D%2Bt_n)%2B(1-p_n)(T_%7Bn-1%7D%2Bt_n%2BE%5BT_n%5D)%20%3D%20T_%7Bn-1%7D%2Bt_n%2B(1-p_n)E%5BT_n%5D


利用公式:



E%5BT_n%5D%20%3D%20E%5BE%5BT_n%7CT_%7Bn-1%7D%5D%5D%20%3D%20E%5BT_%7Bn-1%7D%2Bt_n%2B(1-p_n)E%5BT_n%5D%5D%20%3D%20E%5BT_%7Bn-1%7D%5D%2Bt_n%2B(1-p_n)E%5BT_n%5D


并利用

E%5BT_1%5D%20%3D%20E%5Bt_1X_1%5D%20%3D%20t_1E%5BX_1%5D%20%3D%20%5Cfrac%7Bt_1%7D%7Bp_1%7D
,解得:



E%5BT_n%5D%20%3D%20%5Cfrac%7BE%5BT_%7Bn-1%7D%5D%2Bt_n%7D%7Bp_n%7D%20%3D%20%5Cfrac%7BE%5BT_%7Bn-2%7D%5D%2Bt_%7Bn-1%7D%7D%7Bp_np_%7Bn-1%7D%7D%2B%5Cfrac%7Bt_n%7D%7Bp_n%7D%20%3D%20...%20%3D%20%5Csum_%7Bk%3D1%7D%5En%20(t_k%5Cprod_%7Bj%3Dk%7D%5En%20%5Cfrac%7B1%7D%7Bp_j%7D)


 

7.回到总力战

假设一刀轴有

n
个步骤,第
k
个步骤的成功几率为
p_k
,耗时为
t_k
。那么完成每个步骤就相当于我们之前抛一次硬币:如果第
k
个步骤成功了,我们就可以进行第
(k%2B1)
个步骤,等同于抛第
k
个为正面,我们可以抛下一个;如果第
k
个步骤失败了,则需要重开,等同于抛第
k
个为反面,我们需要从第
1
个硬币开始重新抛。则打完这一刀消耗的平均时间也就和之前抛出
n
个硬币的正面一样:



E%5BT_n%5D%20%3D%20%5Csum_%7Bk%3D1%7D%5En%20(t_k%5Cprod_%7Bj%3Dk%7D%5En%20%5Cfrac%7B1%7D%7Bp_j%7D)


 

8.假设是两刀甚至

M
刀轴

可以假设刀刀之间彼此独立(像TM球这种第一刀黄条失控影响第二刀的情况就不考虑了),那么平均耗时就是M刀各自平均耗时的简单加和:



E%5B%5Csum_%7Bi%3D1%7D%5EMT_%7BiN_i%7D%20%5D%20%3D%20%5Csum_%7Bi%3D1%7D%5EME%5BT_%7BiN_i%7D%20%5D%20%3D%20%5Csum_%7Bi%3D1%7D%5EM%5Csum_%7Bk%3D1%7D%5E%7BN_i%7D%20(t_%7Bik%7D%5Cprod_%7Bj%3Dk%7D%5E%7BN_i%7D%20%5Cfrac%7B1%7D%7Bp_%7Bij%7D%7D)


 

9.简化度量

如果给每个轴分步然后都按公式去算一遍,可能凹总力战就要变成凹概率论了。为此我们可以做一些简化,只是对凹度做一个近似的估计。

首先我们肯定没必一开始就去算多刀的情况,因为多刀耗时就是一刀情况的简单加和而已。

然后我们可以根据一刀中的凹点:比如爱丽丝暴击情况,未花的有没有miss等对轴进行划分,比如一个轴耗时

T
,需要爱丽丝连暴
n
刀(写到这里突然发现还有
n
k
这种情况没囊括进去,但也请原谅我偷个懒吧),然后每刀的暴击几率为
p
。假设
n
刀等分了整个轴,那么打出这个轴的平均时间就是:



E%5BT_n%5D%20%3D%20%5Csum_%7Bk%3D1%7D%5En%20(t_k%5Cprod_%7Bj%3Dk%7D%5En%20%5Cfrac%7B1%7D%7Bp_j%7D)%20%E2%89%88%20%5Csum_%7Bk%3D1%7D%5En%20(%5Cfrac%7BT%7D%7Bn%7D%5Cprod_%7Bj%3Dk%7D%5En%20%5Cfrac%7B1%7D%7Bp%7D)%20%3D%20%5Csum_%7Bk%3D1%7D%5En%20(%5Cfrac%7BT%7D%7Bnp%5E%7Bn-k%2B1%7D%7D)%20%3D%20%5Cfrac%7BT%7D%7Bn%7D%5Csum_%7Bk%3D1%7D%5En%5Cfrac%7B1%7D%7Bp%5Ek%7D%20%3D%20%5Cfrac%7BT%7D%7Bn%7D(%5Cfrac%7B1-%5Cfrac%7B1%7D%7Bp%5En%7D%7D%7Bp-1%7D)


通常满足:



%5Cfrac%7B1%7D%7Bp%5En%7D%5Cgg%201


则:



E%5BT_n%5D%20%E2%89%88%20%5Cfrac%7BT%7D%7Bn%7D(%5Cfrac%7B1-%5Cfrac%7B1%7D%7Bp%5En%7D%7D%7Bp-1%7D)%20%E2%89%88%20%5Cfrac%7BT%7D%7Bn%7D(%5Cfrac%7B-%5Cfrac%7B1%7D%7Bp%5En%7D%7D%7Bp-1%7D)%20%3D%20%5Cfrac%7BT%7D%7Bn(1-p)p%5En%7D


 

【总结】

定义:凹度

D
,即打通一个轴的平均耗时。

假设一个轴耗时为

T
,有
n
个凹点,每个凹点成功率为
p
,则有凹度估算公式:



D%20%E2%89%88%20%20%5Cfrac%7BT%7D%7Bn(1-p)p%5En%7D


若有多刀,则将每刀的凹度相加,即可得到总的凹度

 

【练习】

假设一个轴需要

3
分钟,凹爱丽丝
5
刀全暴,爱丽丝暴击率是
40%5C%25
,那么凹度是多少?

利用公式:



D%20%E2%89%88%20%20%5Cfrac%7BT%7D%7Bn(1-p)p%5En%7D%20%3D%20%5Cfrac%7B3%7D%7B5(1-0.4)0.4%5E5%7D%20%E2%89%88%2098


所以平均耗时

98
分钟,差不多一个半小时,一张票很可能打不下来

 

投稿模式

评论(10)

桜井澄子

管理员
夏莱支教二小姐
PC

2024年11月19日 14:57 来自广西

头好痒,要长脑子了

#11

0 0

oh! PC

2024年05月31日 10:18 来自中国台湾

ins狗都不打 还tm(((

#10

0 0

大力帆布鞋 PC

2024年05月26日 20:05 来自北京

可能是充钱少了

#9

0 2

丧失者 PC

2024年05月19日 01:00 来自上海

恕我因过程太长懒得看 按公式,假设轴耗时为1分钟,有1个凹点,凹点成功率为50%,打出这个轴平均耗时4分钟?

#8

0 0

可爱向冬瓜 WAP

2024年05月18日 18:05 来自黑龙江省

国际服再等等,日服最近有了炸票保险。以后有精力就凹凹看,也不担心炸票之后啥也没有。其实炸票保险对我这种二档摆烂摆烂人来说,作用就是开一次TM拿一次100石头。实际炸票之后,感觉炸票保险给出的IS分似乎你原本打的分低一点。

#7

0 1

hehedi

管理员
呵帝
PC

2024年05月18日 12:18 来自广西

头好痒 要长脑子了

#6

0 4

花依镜

管理员
小花
WAP

2024年05月17日 17:41 来自福建省

这个式子算简化了不少,不过如果想动脑,算更接近实际的数据,有这种想法的还可以把不同凹点的时间间隔不同考虑上XD(这个公式其实假设了各个凹点的间隔时间是相同的,不过假如按不相同考虑就像文中说的一样变成在做概率论了)

#5

0 2

Nid凯

管理员
小凯
WAP

2024年05月17日 17:21 来自浙江省

为刚才的肤浅发言表达歉意。非常好公式,使我的大脑长出

#4

0 0

右代宮 蔵臼

管理员
六轩岛の家主
PC

2024年05月17日 16:35 来自北京

这是什么文章?点进来看一下。这是什么文章?点进来看一下

#3

0 3

兔兔酱 PC

2024年05月17日 10:50 来自四川省

同学,你要考研啊
右代宮 蔵臼回复幻梦之晓 不是,你来真的啊
幻梦之晓 目前正有这个想法🐶
2条回复

#2

2 0