使用方法（3步）
- 选择 制服 （机会均等）或 加权 （稀有品）。
- 输入 n 和可选的 t/目标；如果需要，粘贴权重或概率。
- 检查结果，然后运行模拟以进行直觉或验证。
假设：具有固定概率的独立抽签。遗憾/保证系统超出了范围。
输入
可共享 URL 存储模式、n、t、目标和权重。
模拟结果不存储在 URL 中，仅共享设置和种子。
结果
预期平局 E[T]
—
t50 (50%)
—
t90 (90%)
—
t99 (99%)
—
目标所需的 t
—
P(T≤t)
—
方差Var(T)
—
标准。偏差
—
完成曲线（CDF）
模拟（蒙特卡罗）
在您的浏览器中本地运行。使用种子来重现相同的运行。
预设：
模拟平均值
—
模拟t50
—
模拟t90
—
SIM T99
—
Sim P(T ≤ t)
—
示例
统一示例 (n=50)
对于 50 个同样可能的类型，预期抽签为 50·H_50 ≈ 224.96。 90% 的完成率远高于平均值。
稀有物品示例 (1%)
如果一种类型的概率为 0.01，而其他类型的概率为 0.99，那么稀有物品将主导完成时间。使用加权模式来查看期望如何跳跃。
常见问题解答
为什么最后一项需要这么长时间？
一旦收集了大多数类型，每次新抽奖都可能是重复的。最后一个未见过的类型的等待时间增长为 1/p_min。
统一公式准确吗？
是的。对于相等的概率，期望为 n·H_n，DP 曲线给出了计算的 t 范围内的精确完成概率。
如果概率不均匀怎么办？
使用具有概率或权重的加权模式。对于超过 20 种类型，精确的期望成本很高，因此建议进行模拟。
我可以和我的班级一起跑步吗？
是的。复制分享参数的URL；固定种子再现相同的模拟。
这是否包含怜悯或保证？
不会。该工具假设以固定概率进行独立抽奖。其他机械师需要不同的模型。