其他
数值策划纯干货：你不能不知道的游戏概率计算方法
为了找到一种新的方法来继续榨取他朋友们的钱财，他发明了一种新的玩法，并相信这种玩法与前一种拥有相同的胜算。在这种新玩法中，他掷24次骰子(每次投掷2个骰子)，赌至少有一次能掷出12点（2个6点）。他的朋友们起初都对这个玩法心存疑虑，但很快就都开始喜欢上这个新游戏——因为Antoine开始飞快的输钱。
Antoine感到很迷茫，因为他通过自己的计算，得出两个游戏拥有相同的胜算：
第一种玩法：掷一个骰子4次，如果至少掷出一次6，则Antoine赢。他的理由是，单独掷一次6点的概率是1/6，因此如果掷4次骰子出6点的概率是：4x(1/6)=66%，这也就说明了他容易赢钱的原因。
第二种玩法：掷一对骰子24次，如果至少掷出一次12点，则Antoine应。Antoine判定用一对骰子掷出12点的概率是1/36，接着他推论，掷24次骰子的概率应该是24*（1/36）=66%，与之前玩法拥有相同的胜算。
因为输了钱而茫然的Antoine给数学家帕斯卡写了一封信，希望能够得到一些建议。帕斯卡发现这个问题很有趣——当时已有的数学方法还不能回答这些问题。于是帕斯卡给费马写信寻求帮助。两人漫长的书信往来，伴随着越来越多问题的解决和相应的解决方法的不断发现，诞生了数学的新分支——概率论。
故事讲完，长话短说开始计算，顺便介绍一下Excel中容易被忽视的概率统计函数：
<1> 第一种玩法：掷一个骰子4次，至少掷出一次6。这是一个成功率为p=1/6的二项分布，在excel中有2种计算方法：方法1，使用combin组合函数，利用公式 ans=c(m,n)p^n(1-p)^(m-n)，先求出4次掷骰中，4次都没有6的几率，然后用1去减。ans=1- COMBIN(4,4)*(5/6)^4*(1/6)^0= 0.5177方法2，使用二项分布BINOM.DIST函数，直接求解，先求出，4次掷骰中，正好0次6的几率，然后用1去减。Ans= =1-BINOM.DIST(0,4,1/6,1)=0.5177BINOM.DIST函数的使用说明如下：
那么Antoine究竟在哪里犯了错？掷一个骰子4次，得到6的个数期望值确实是4*(1/6)，但这并不是赢的次数的期望值，因为无论在一把4次的投掷骰子时，无论是1个6还是4个6，都只能算作赢一场。
注：excel还有其它几个常用分布的计算，如泊松分布用函数Poisson, 超几何分布用Hypgeomdist。
和1.1赌博的例子类似，当被这些技能攻击的角色，生命值低于技能伤害时，会有伤害的浪费，但这部分伤害，在上一段的计算方法中，被计入了。
以双方均为20生命为例，闪电球在命中成功时，有效的伤害也只有20点而已。似乎，我们应该考虑用20作为闪电球的伤害值，来进行期望伤害的计算，20%*20=4。
期望值的计算调整为，Edam=Min(技能伤害值，目标生命值)*命中率。这也是《全景游戏设计》中介绍的方法。
在游戏的平衡设计中，我们常使用期望值来作为实际的游戏体验的——胜负——情况的参考的利器，但实际上他总与实际情况有着差异。
以技能风，伤害值4，命中率100%和闪电球伤害值20，命中率20%的2个技能比较为例，分别携带这2个技能的生命值均为hp(1<=hp<=100)的2个角色互相PK为例，将风的胜利统计为1，风的失败统计为-1，平局统计为0(注：模拟时，认为双方总是同时出手，胜利条件为，某个回合后自己的生命值大于0，但对方的生命值小于等于0；失败条件则完全相反；平局意味着，某个回合自己和对方生命值一起小于等于0)。
则进行大量实验的结果x(x的取值为-1,0,1)的平均值ave，ave越接近0表示双方的胜负情况越接近。对hp=1,2,…,100分别进行10万次的统计，得到如下的结果：
我们如果深入下去，很多值得思索的地方：周期看起来非常像是20，这是偶然吗；各周期的波峰波谷绝对值逐渐减少这是必然吗；每个周期内的均值是多少，能够计算吗？
尽管这几个问题很值得探讨，但本文并不打算深入下去。本文主要的目的，是指出一些“标准流程”中容易过度自信的地方，指出实际情况与计算结果之间产生误差的原因，并尽可能圈出“安全范围”。
对于这个问题，我们看到，只要提高生命值到一定的程度，误差就可以被控制在一定的范围之内。对上述技能风与闪电球的比较中，我们可以粗略的认为，每次的波峰衰减至80%左右。基于此，在10个周期内，偏差会小于0.8的10次方（约为10%），即，200点生命值对于期望值为4的伤害，是足够精确的。
到这里，我们还需要对偏差产生的原因，定性的分析一下，(顺便也解释一下，上文图中呈现试验数据并不是由于代码错误之类的原因造成的，它真的是这样)。我们理一下思路，风(攻击4，命中100%)和闪电球(攻击20，命中20%)比较，第一次交手，双方都能有机会出手，但在第2次交手时，风的技能能否出手，取决于闪电球前面的交手是否命中了他——如果第一次交手就被闪电球命中，第2回合就无法出手。所以，风的5个回合内的平均伤害={4,4*0.8,4*0.8^2,4*0.8^3,4*0.8^4}/5=2.7。
我们在计算时，会认为50点攻击的武器——剑，和40点攻击并且25%的几率发生2倍的暴击伤害的武器——匕首，具有同样的期望伤害50点。在实际的属性投放时，基于某些考虑（比如1.2.1中的伤害溢出，或是和其它带暴击效果的比如技能等模块的叠加规则，以及生命值的设置等），暴击的发生概率和暴击的伤害倍率会酌情调整，参考Dota的几个暴击技能(排除了幻影刺客的大招、熊猫和赏金的带闪避暴击复合技能)：
骷髅王，15 % 的几率造成2 .75 倍伤害的致命一击，期望伤害126%小娜迦，45 % 的几率造成1 .5 倍致命一击,期望伤害122.5%剑圣，36 % 的几率造成2倍致命一击，期望伤害136%骷髅王，由于是力量影响，血量和攻击频率与敏捷英雄有差异，也排除掉，观察剑圣和小娜迦，看到dota在这个场合下，对爆率更低的单位给予了更多的期望伤害的补正。
与暴击类似的，是武器的攻击上下限，这和D&D规则中的nDm，以及多次掷骰的期望和相似，也可以将之认为是前面武器或技能的暴击的推广。
以下面的一个赌博玩法为例：游戏内置了一个赌博玩法，在一个有分支的路线上，散布着玩家可见的宝箱，玩家通过投掷一个范围[1,6]的骰子，来随机距离的进行移动，并获得沿途经过的格子上的宝箱，参考下图：
如果用期望值，1~6的骰子，每次的期望投掷点数=（1+2+3+4+5+6）/6=3.5，直觉上，平均投掷10/3.5≈2.86次骰子。
到这里大家应该已经能够习惯偏差了，是的，在掷出1次6之后，无论掷出4还是5、6，都能够到达终点，但5和6的出现拉高了掷骰的期望点数，就像拉高我们的平均工资一样。。
解决这个问题，我们先要解决的问题是，n次掷骰，刚好点数和为s的概率，之后就可以通过求n次掷骰子的点数和为10,11,12,…,6n的概率和，来分别计算n次骰子能够到底终点的概率，对这组概率再进行简单的计算，就能够求出掷骰子次数的期望值了。
计算n次掷骰，刚好点数和为s的概率，有不下7种方法，这里列出操作性较高的几种方法：离散多重卷积公式求(1+x+x^2+...+x^5)^n中x^(s-n)的系数函数递归程序模拟马可夫过程
这里用程序模拟的方法，最终分别10万次模拟到达终点，求出10组分别的平均掷骰子的次数如下：{3.32491,3.3225,3.32618,3.32693,3.32595,3.32468,3.32445,3.32322,3.32175,3.32769}
这个结果的精确值是3.32369，与开始的2.86差距还是有些大的。
虽然最早认为这种方法的应用，是蒲丰投针试验，但是我个人认为最早的应用可能是在占卜。另外，中学的生物课里学过的孟德尔豌豆实验，也是使用了蒙特卡洛方法。
现在，随着计算机性能的提高，这种模拟、统计和计算都交给计算机了。在Mathematica里，这个模拟更加简单:
很多人都说过，战斗的模拟器的制作没什么用，其实这有2种意思：一种说法是，我有更好的办法；另一种说法是，这东西我得不到对我游泳的效果。阿发狗都4比1碾压李世石了，这应该能说明一部分问题了。我希望每个这样说的人，都掌握了更好的方法。
在概率计算(1)中，留了个问题，这里用另一个更一般的问题回答吧：问题是，一个集字活动期间，玩家每完成一次副本，都有几率获得一个汉字（这个字可能是“八仙过海，各显神通”之一，每个字的概率各不相同，分别为p1,p2,p3,…,p8），收集齐一套汉字，就可以获得活动奖励，活动期间，仅可获得一次奖励，且汉字不可以交易交换。求玩家需要打多少次副本，才能获得奖励？
数学解，答案是：
得到结果，ans=23.3333
相关阅读：
免费组件下载丨专业知识学习组队游戏制作丨项目孵化渠道国内业界首家专业独立游戏开发者平台。面向游戏从业者，打造开放、互联、回馈、分享的专业游戏人社区。