نتایج
ردیف های جایزه
| نام | وضعیت | احتمال | شانس | جایزه (اختیاری) | شامل در EV |
|---|
مقدار مورد انتظار (EV)
جوایز به عنوان مقادیر ثابتی تلقی می شوند که شما وارد می کنید. اگر یک جایزه خالی باشد، آن ردیف از EV حذف می شود.
خرابی EV (p × جایزه)
| ردیف | ص | جایزه | p×جایزه |
|---|
شبیه سازی (اختیاری)
| ردیف | نظریه ص | سیم پ | |خطا| | بشمار |
|---|
هیستوگرام اصلی (sim)
| تعداد مسابقه | بشمار | ص |
|---|
به اشتراک بگذارید
اگر URL خیلی طولانی شد (سطوح های سفارشی زیاد)، به جای آن CSV را دانلود کنید.
نحوه تفسیر نتایج (با یک مثال)
- شانس جکپات برای یک بازی ساده "انتخاب K از M" معمولا هستند
1 / C(M, K)(زمانی که قوانین پاداش / استخر وجود ندارد). - "1 در X" فقط است
1/p. این یک مقیاس بصری است، نه وعده ای که شما یک بار در هر بلیط X برنده خواهید شد. - بلیط های متعدد: ابزار استفاده می کند
1 − (1 − p)^mبرای "حداقل یک برد"، با فرض بلیط های تصادفی مستقل. - مقدار مورد انتظار (EV) از مقادیر جایزه ای که وارد می کنید به عنوان اعداد ثابت استفاده می کند. پرداخت های واقعی می تواند متفاوت باشد (تغییر جکپات، تقسیم برنده، مالیات، سنوات).
مثال: 6 از 49 (برنده تمام پولها)
احتمال جکپات تک بلیط است 1/C(49,6) = 1/13,983,816 ≈ 0.00000715%. با 10 بلیط تصادفی مستقل، 1 − (1 − 1/13,983,816)^10 ≈ 0.0000715٪.
دام های رایج
- ردیف های جوایز می توانند همپوشانی داشته باشند. این ابزار با استفاده از اولویت های بالاتر، همپوشانی ها را حل می کند، بنابراین احتمال کل ≤ 1 باقی می ماند.
- شبیه سازی یک بررسی عقلانی برای نتایج تئوری است. برای کاهش نویز تصادفی از نقشه های کافی استفاده کنید.
مراجع
نحوه خواندن شانس قرعه کشی
ابتدا قوانین بازی را وارد کنید: اندازه استخر، انتخاب ها، قوانین جایزه، قیمت بلیط و ردیف های جایزه. ماشین حساب آن قوانین را به ترکیبات دقیق، شانس متقابل، احتمال حداقل یک برد، مقدار مورد انتظار و نرخ بازگشت تبدیل می کند.
چگونه کار می کند
شانس جکپات و ردیف از ترکیباتی مانند C(M, K) به دست می آید. خرید بلیطهای مستقل بیشتر، حداقل یک احتمال را با 1 - (1 - p)^m تغییر میدهد، اما احتمال برنده شدن هر بلیط را افزایش نمیدهد.
زمان استفاده
از این صفحه برای مقایسه قالبهای بازی، توضیح شانس "1 در X"، تخمین ارزش مورد انتظار از جداول جایزه یا نشان دادن اینکه چرا اندازه جکپات و تقسیم برنده اهمیت دارد، استفاده کنید.
اشتباهات رایجی که باید از آنها اجتناب کرد
- هنگامی که یک بازی از آنها استفاده می کند، ردیف های عدد پاداش را فراموش کنید.
- در نظر گرفتن EV به عنوان سود تضمین شده به جای میانگین بلندمدت.
- نادیده گرفتن اشتراکگذاری جکپات، مالیات، انتخابهای سالیانه/نقدی، و تغییر استخرهای جایزه.
- با فرض اینکه چند بلیط مستقل هستند، زمانی که شما عمداً از ترکیب های تکراری اجتناب می کنید.
همچنین ببینید
سوالات متداول
چگونه احتمال جکپات را محاسبه کنم؟
برای یک بازی به سبک لوتو (انتخاب K از M)، شانس برنده تمام پولها معمولا وجود دارد 1 / C(M, K).
چگونه یک عدد جایزه بر شانس تاثیر می گذارد؟
ردیف های پاداش به هر دو تعداد بازی اصلی بستگی دارد t و تعداد امتیاز بازی s. این ابزار محاسبه می کند P(t,s) دقیقا از ترکیبات
"1 در X" به چه معناست؟
این احتمال معکوس است 1/p، به عنوان یک تقریب بصری نشان داده شده است ("حدود یک برد در هر X بلیط").
چگونه می توانم "حداقل یک برد" را هنگام خرید m بلیط محاسبه کنم؟
استفاده کنید 1 − (1 − p)^m، کجا p احتمال رویداد هدف (هر برد یا یک ردیف خاص) است.
مقدار مورد انتظار (EV) / نرخ بازگشت چیست؟
EV در هر بلیط است Σ(p_i·prize_i) − price. نرخ بازگشت است Σ(p_i·prize_i) / price زمانی که قیمت > 0.
آیا می توانم زمانی که جوایز در هر قرعه کشی متفاوت است از این استفاده کنم؟
بله، اما مقدار جایزه ثابتی را برای تخمین وارد کنید. پرداخت های واقعی می تواند به دلیل تغییرات جکپات و تقسیم برنده متفاوت باشد.
دانه شبیه سازی چه کاری انجام می دهد؟
یک دانه شبیه سازی را تکرارپذیر می کند.
مرتبط
پرسشهای متداول
چگونه احتمال جکپات را محاسبه کنم؟
برای یک بازی به سبک لوتو (انتخاب K از M)، شانس برنده تمام پولها معمولاً 1 / C (M، K) است.
چگونه یک عدد جایزه بر شانس تاثیر می گذارد؟
ردیفهای جایزه به تعداد t بازی اصلی و تعداد s بازی جایزه بستگی دارد. این ابزار P(t,s) را دقیقاً از روی ترکیبات محاسبه می کند.
"1 در X" به چه معناست؟
این احتمال معکوس 1/p است که به عنوان یک تقریب بصری نشان داده شده است ("حدود یک برد در هر X بلیط").
چگونه می توانم "حداقل یک برد" را هنگام خرید m بلیط محاسبه کنم؟
از 1 - (1 - p)^m استفاده کنید، جایی که p احتمال رویداد هدف (هر برد یا یک ردیف خاص) است.
مقدار مورد انتظار (EV) / نرخ بازگشت چیست؟
EV در هر بلیط Σ(p_i·prize_i) - قیمت است. نرخ بازگشتی Σ(p_i·prize_i) / قیمت زمانی است که قیمت > 0 باشد.
آیا می توانم زمانی که جوایز در هر قرعه کشی متفاوت است از این استفاده کنم؟
بله، اما مقدار جایزه ثابتی را برای تخمین وارد کنید. پرداخت های واقعی می تواند به دلیل تغییرات جکپات و تقسیم برنده متفاوت باشد.
دانه شبیه سازی چه کاری انجام می دهد؟
یک دانه شبیه سازی را تکرارپذیر می کند.
چگونه محاسبه می شود
1 − (1 − p)^m(بلیت های تصادفی مستقل).m ≥ log(1−target)/log(1−p).