小小補充一下，重複 n 次試驗（n 抽），每次成功的機率是 p（= 0.007）成功x次（中 x 張 PU 五星），這樣 x 的分佈是二項分佈。
根據中央極限定理，當 n 趨近無限大時，二項分佈會接近常態分佈，所以可以用常態分佈來估算歐非的情形。
但在 n 沒有很大的時候，這個估計會不太準。
那反正常態分佈也是要查表，我推薦大家可以去查網路上的二項分佈計算機
https://stattrek.com/online-calculator/binomial.aspx
Probability of success on a single trial 填入 0.007
Number of trials 填入 抽數
Number of successes (x) 填入 抽中張數
而最下面那一行就是我們要看的歐非分佈。
例如說，前述案例一：
==案例一==
60抽術尼祿寶1
丟進計算機，看最下面一行：
P(X ≧ x) = 0.3439
所以其實只比65.6%的人歐，換句話說，每3個人中就有1個人可以60抽寶一或以上。
這個案例用常態分佈跟二項分佈估差距很大是因為「60抽這個數字太小」。
但我覺得大家的抽數應該都「沒有很大」，應該吧。
同場加映：保底對機率的影響
假設10連抽的10抽是各自獨立，僅最後一張保底四星，那被保底的那一張中五星英靈的機率會是5%。也就是說，保底那張中PU五星的機率會是3.5%。
用這個數字去算十連完全抽不到PU五星的機率，再開個10次方根，是99.016%。也就是說，等效來講，十連抽的時候每抽中PU五星的機率提高到0.98%。
咦，再把這個機率丟回計算機裡，發現P(X ≧ x) = 0.44738
如果都用聖晶石十連抽，每100個人裡，竟然就有44個人可以60抽寶一呢！
--
根據中央極限定理，當 n 趨近無限大時，二項分佈會接近常態分佈，所以可以用常態分佈來估算歐非的情形。
但在 n 沒有很大的時候，這個估計會不太準。
那反正常態分佈也是要查表，我推薦大家可以去查網路上的二項分佈計算機
https://stattrek.com/online-calculator/binomial.aspx
Probability of success on a single trial 填入 0.007
Number of trials 填入 抽數
Number of successes (x) 填入 抽中張數
而最下面那一行就是我們要看的歐非分佈。
例如說，前述案例一：
==案例一==
60抽術尼祿寶1
丟進計算機，看最下面一行：
P(X ≧ x) = 0.3439
所以其實只比65.6%的人歐，換句話說，每3個人中就有1個人可以60抽寶一或以上。
這個案例用常態分佈跟二項分佈估差距很大是因為「60抽這個數字太小」。
但我覺得大家的抽數應該都「沒有很大」，應該吧。
同場加映：保底對機率的影響
假設10連抽的10抽是各自獨立，僅最後一張保底四星，那被保底的那一張中五星英靈的機率會是5%。也就是說，保底那張中PU五星的機率會是3.5%。
用這個數字去算十連完全抽不到PU五星的機率，再開個10次方根，是99.016%。也就是說，等效來講，十連抽的時候每抽中PU五星的機率提高到0.98%。
咦，再把這個機率丟回計算機裡，發現P(X ≧ x) = 0.44738
如果都用聖晶石十連抽，每100個人裡，竟然就有44個人可以60抽寶一呢！
--
All Comments