使用方法（3步）
- 選擇 均匀（機会相同）或 加權（稀有度不同）。
- 輸入 n 和可選的 t/目標；如果需要，粘贴權重或概率。
- 檢查結果，然後运行模拟以進行直觉或驗證。
假設：具有固定概率的獨立抽籤。遗憾/保證系统超出了范圍。
輸入
可共享 URL 存储模式、n、t、目標和權重。
模拟結果不存储在 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）
模拟（蒙特卡羅）
在您的瀏覽器中本地运行。使用種子来重現相同的运行。
預設：
模拟平均值
—
模拟t50
—
模拟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% 的完成率远高於平均值。
稀有物品範例 (1%)
如果一種類型的概率為 0.01，而其他類型的概率為 0.99，那么稀有物品將主導完成時間。使用加權模式来查看期望如何跳跃。
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。
統一公式准確嗎？
是的。對於相等的概率，期望為 n·H_n，DP 曲線給出了計算的 t 范圍內的精確完成概率。
如果概率不均匀怎么办？
使用具有概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，因此建议進行模拟。
我可以把這次計算分享給同學或团队嗎？
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拟結果。
這是否包含保底或保證機製？
不包含。該工具假設每次抽取都獨立且概率固定。若有保底或其他機製，需要使用不同模型。