使用方法（3步）
- 選擇 均勻（機會相同）或 加權（稀有度不同）。
- 輸入 n 和可選的 t/目標；如果需要，貼上權重或機率。
- 檢查結果，然後執行模擬以進行直覺或驗證。
假設：具有固定機率的獨立抽籤。遺憾/保證系統超出了範圍。
輸入
可共享 URL 儲存模式、n、t、目標和權重。
模擬結果不儲存在 URL 中，僅共享設置和種子。
結果
預期平局 E[T]
—
t50 (50%)
—
t90 (90%)
—
t99 (99%)
—
目標所需的 t
—
P(T≤t)
—
方差Var(T)
—
標准。偏差
—
完成曲線（CDF）
模擬（蒙特卡羅）
在你的瀏覽器中本機執行。使用種子來重現相同的執行。
預設：
模擬平均值
—
模擬t50
—
模擬t90
—
SIM T99
—
Sim P(T ≤ t)
—
範例
統一範例 (n=50)
對於 50 個同樣可能的類型，預期抽籤為 50·H_50 ≈ 224.96。 90% 的完成率遠高於平均值。
稀有物品範例 (1%)
如果一種類型的機率為 0.01，而其他類型的機率為 0.99，那麼稀有物品將主導完成時間。使用加權模式來查看期望如何跳躍。
常見問題解答
為什麼最後一項需要這么長時間？
一旦收集了大多數類型，每次新抽獎都可能是重複的。最後一個未見過的類型的等待時間增長為 1/p_min。
統一公式準確嗎？
是的。對於相等的機率，期望為 n·H_n，DP 曲線給出了計算的 t 範圍內的精確完成機率。
如果機率不均勻怎麼辦？
使用具有機率或權重的加權模式。對於超過 20 種類型，精確的期望成本很高，因此建議進行模擬。
我可以把這次計算分享給同學或團隊嗎？
可以。複製分享 URL 即可分享參數；固定種子時可以重現同一組模擬結果。
這是否包含保底或保證機制？
不包含。該工具假設每次抽取都獨立且機率固定。若有保底或其他機制，需要使用不同模型。