Como posso calcular o número de tentativas até o sucesso?

14

Eu tenho um jogador que eu quero deixar fazer muitas tentativas na mesma habilidade. (Eu estou ciente de que nem sempre é a melhor maneira de fazer isso, mas faz sentido em alguns casos). Mas, em vez de rolar muitas vezes até o sucesso, eu gostaria que um único teste me dissesse o número de tentativas - e, portanto, o tempo de jogo - poderia levar o personagem do meu jogador a ter sucesso.

Estou ciente de que o tempo de sucesso esperado , dado a chance de sucesso de cada teste individual \ $ p \ $, é dado por \ $ \ overline {T} = \ frac {1} {p} \ $. ( Veja também. ) Mas eu quero algo que possa dar resultados diferentes, simulando os resultados de testes de habilidades iterados.

Como posso simular verificações de habilidades repetidas com um rolamento de dados?

Esta questão é motivada pelo comentário-colóquio aqui , reproduzido abaixo para a posteridade:

A: I'm talking probability of 1 trial to success (= P obviously), probability at most 2 trials to success, at most 3, etc... And in turn, a way to turn a single roll (representing how good your result is in the relevant probability space) into "how many actual trials to success".

B: Ah, so are you talking something like taking p=0.5 you'd generate a percentile table: 01-50=>1, 51-75=>2, 76-87=>3, &c.? So that one percentile roll would give a properly distributed number of trials to success in this instance?

A: yeah

    
por nitsua60 01.01.2017 / 03:00

2 respostas

Você quer uma tabela que modela probabilidades "empilhadas".

Por exemplo, se a chance de sucesso de qualquer tentativa individual for de 40%, sua tabela poderá ficar assim:

\ begin {array} {cc} n \ text {para sucesso} & \ text {d} 100 \ text {roll} \\ \ hline 1 & 01-40 \\ 2 & 41-64 3 & 65-78 4 & 79-87 5 & 88-92 \ 6 & 93-95 \\ 7 & 96-97 8 & 98 \\ 9 & 99 \\ 10 & 100 \\ \ end {array}

Mas como você gera essa tabela?

Dada a probabilidade \ $ p \ $ de sucesso em qualquer tentativa, então a probabilidade de suceder em a tentativa \ $ n ^ \ text {th} \ $ é dada por $$ P (n) = (1-p) ^ {n-1} \ cdot p $$

Isso porque, para ter sucesso na tentativa \ $ n ^ \ text {th} \ $, devemos primeiro falhar , com uma probabilidade \ $ (1-p) \ $, \ $ n-1 \ $ times, então tem sucesso (com probabilidade \ $ p \ $).

Assim, no exemplo acima, vemos que \ begin {align *} P (1) & = p = 0,4 \ P (2) & = (1-p) \ cdot p = 0,24 \ P (3) & = (1-p) ^ 2 \ cdot p \ approx0.14 \\ P (4) & = (1-p) ^ 3 \ cdot p \ aproximadamente 0,09 \\ \ vdots \ quad & \ hspace {2cm} \ vdots \ end {align *}

Mas para empilhar as probabilidades reconhecemos que os "pontos de quebra" - o maior número em cada um dos intervalos percentuais - são dados pela soma de todas as probabilidades até o \ $ n ^ \ text {th} \ $. Felizmente, isso é apenas uma série geométrica: $$ \ sum_ {i = 0} ^ {n-1} {(1-p) ^ i} = \ frac {1- (1-p) ^ n} {p} $$

Com isso em mãos, é fácil gerar uma tabela de "pontos de interrupção" para qualquer dado \ $ p \ $:

\ begin {array} {c | ccccccc} & \ text {d} 100 \ text {roll} \\ n \ text {para sucesso} & p = 0,1 & p = 0,2 & p = 0,3 & p = 0,4 & p = 0,5 & p = 0,6 & p = 0,7 \\ \ hline 1 & 01-10 & 01-20 & 01-30 & 01-40 & 01-50 & 01-60 & 01-70 \\ 2 & 11-19 & 21-36 & 31-51 & 41-64 & 51-75 & 61-84 & 71-91 \\ 3 & 20-27 & 37-49 & 52-66 & 65-78 & 76-88 & 85-94 & 92-97 4 & 28-34 & 50-59 & 67-76 & 79-87 & 89-94 & 95-97 & 98-99 \\ \ hline 5 & 35-41 & 60-67 & 77-83 & 88-92 & 95-97 & 98-99 & 100 \\ 6 & 42-47 & 68-74 & 84-88 & 93-95 & 98 & 100 \\ 7 & 48-52 & 75-79 & 89-92 & 97-97 & 99 \\ 8 & 53-57 & 80-83 & 93-94 & 98 & 100 \\\ hline 9 & 58-61 & 84-87 & 95-96 & 99 & \\ 10 & 62-65 & 88-89 & 97 & 99 & \\ 11 & 66-69 & 90-91 & 98 & 100 & \\ 12 & 70-72 & 92-93 & 99 & & \\\ hline 13 & 73-75 & 94-95 & 99 & & \\ 14 & 76-77 & 96 & 99 & & \\ 15 & 78-79 & 96 & 100 & & \\ 16 & 80-81 & 97 & & & \\ \ vdots & \ vdots & \ vdots \\ \ end {array}

Notas:

1. Em alguns lugares, o mesmo número único aparece duas vezes. ( p = 0.2, n = 14,15, por exemplo.) Nestes casos, múltiplos pontos de quebra arredondam para o mesmo valor percentual. Você pode escolher aleatoriamente entre os valores n se isso for feito, simplesmente pegue o menor, ou crie algum outro esquema.

2. Obviamente, há uma probabilidade diferente de zero de que o sucesso levaria mais tempo do que eu indiquei, terminando minhas tabelas na primeira aparição de um valor de 100 por cento arredondado. No entanto, por construção, há menos de 1/2% de chance de que qualquer n maior que a última apresentada possa ocorrer. Eu me senti bem deixando a cauda longa fora da mesa.

    
01.01.2017 / 03:00

Role 3d (\ $ 3 \ overline {T} \ $), leve o menor valor.

Como você disse, o tempo de espera para o sucesso, dada a probabilidade de qualquer tentativa individual de sucesso ser \ $ p \ $, é dada por \ $ \ overline {T} = \ frac {1 } {p} \ $.

Se você descobrir o tempo esperado para o sucesso, triplicá-lo, rolar três esse tamanho do dado e obter o menor valor, obterá uma boa aproximação da distribuição correta.

Por exemplo, suponha que você tenha um modificador +5 e encontre um desafio DC20:

  1. Você tem 30% de chance de sucesso (\ $ p = 0.3 \ $);
  2. \ $ overline {T} = \ frac {1} {p} = 3 \ frac {1} {3} \ $;
  3. \ $ 3 \ overline {T} = 10 \ $, então d10 são nossos dados necessários;
  4. role 3d10, leve o menor valor.

Abaixo, são apresentadas comparações para vários valores \ $ p \ $. Os valores exatos são a probabilidade de cada n ser o teste bem-sucedido, calculado como esta resposta . Os valores aproximados são aqueles obtidos através da simulação anydice do método roll-three-take-lowest. [Clique para ampliar a imagem]

Obviamente, este método assume que você está muito feliz fazendo algumas contas mentais: calculando o tempo esperado para o sucesso, então provavelmente simulando alguns dados fora do jogo com rolagens padrão de dados.

    
01.01.2017 / 21:31