Question

我正在努力计算用户获得商品的估计机会。他有15次尝试（可能有所不同），有机会进入一组项目，然后有机会获得确切的项目。我可以看到两种方法，但没有一种是完美的。请看一下：

    int userTries = 15;//Variable holding number of how many tries user has to get an item
    double groupChance = 17;//Chance for user to get any item from the group
    double itemChance = 80;//Chance for user to get specific item from the group

    double simpleChance = groupChance * itemChance * userTries / 100.0;

    int correctionTries = 10000;
    int totalPassed = 0;
    for (int i = 0;i < correctionTries;i++)
    {
        for (int x = 0;x < userTries;x++)
        {
            //Rnd.chance is checking if input chance was rolled, if chance is 17 then this method will return true in 17 tries out of 100
            if (Rnd.chance(groupChance))
                if (Rnd.chance(itemChance))
                {
                    totalPassed++;
                    break;
                }
        }
    }
    double iterationChance = (double) totalPassed / (double) correctionTries * 100.0;
    System.out.println("simple=" + simpleChance + " iteration=" + iterationChance);

当groupChance和itemChance较低时（如1和1），则simpleChance会给出非常好的结果，但是当机会较高时（如17和80），则它们与迭代结果相差很大。迭代解决方案的问题在于，当我增加机会之一时，由于计算的机会运气不好，结果实际上会更低。我可以增加CorrectionTries来解决该问题，但是再次计算相同的值时，机会会有所不同，并且也会对性能产生重大影响。

您是否知道任何方法来计算机会，但对性能的影响较小，并且可以在再次计算后保持良好的估计不变？

Answer 1

我假设，groupChance和itemChance是进入特定人群并获得特定物品的概率（以百分比为单位）在组中。

如果是这样，那么获得这个特定项目的概率为groupChance/100 * itemChance/100 = 0.17*0.8 = 0.136 = 13.6%

不知道simpleChance应该是什么=>才能在15次尝试后至少获得一次特定项目？尝试15次后恰好一次？连续获得15次？

如果您想连续获得15次，那么机会是(groupChance/100 * itemChance/100 ) ^ userTries = 0.000000000000101
如果您想在尝试15次后至少获得一次，则机会为1 - ( 1 - groupChance/100 * itemChance/100 ) ^ userTries = 0.88839

如何获得三个变量的确切机会？

1 个答案: