Qual é o benefício médio deste esquema de estatísticas em particular?

A vantagem em geral é bastante baixa, já que a chance de isso acontecer é pequena. A chance de rolar 4 números idênticos em d6s é \ $ \ frac {6} {6 ^ 4} = \ frac {1} {216} \ approx 0.46 \% \ $. Isso faria com que o valor esperado da rolagem aumentasse em pontos de atributo \ $ \ frac {3.5} {216} \ approx0.016 \ $.

O efeito mais importante é que existe uma possibilidade real de começar com um 24 em um atributo (ou mais com um bônus racial). Também não há chance de começar com um 3. Se isso é algo que você quer é com você.

Para determinar o efeito de uma perspectiva qualitativa, eu juntei um script de Scala para forçar a força bruta de todas as combinações para a queda de 4d6 mais baixa e sua variante "manter quadruplas" e determinar suas somas:

val keepallsums = Array.tabulate(6,6,6,6)((w,x,y,z) => {
    if (w == x && w == y && w == z) 4*(w+1)
    else Array(w,x,y,z).sorted.drop(1).sum + 3
}).flatten.flatten.flatten

val sums = Array.tabulate(6,6,6,6)(Array(_,_,_,_).sorted.drop(1).sum + 3).flatten.flatten.flatten

val counts = Array.tabulate(25)(x => (x, keepallsums count (_ == x), sums count (_ == x)))

counts foreach (x => println(x._1 + " " + x._2 + " " + x._3))

Isso gera um arquivo de dados separado por espaço. A primeira coluna é o resultado possível da pontuação de habilidade, a segunda coluna é o número de combinações de dados que podem dar essa pontuação com a variante, a terceira é a mesma para a tradicional queda de 4d6:

0 0 0
1 0 0
2 0 0
3 0 1
4 5 4
5 10 10
6 20 21
7 38 38
8 63 62
9 90 91
10 122 122
11 148 148
12 167 167
13 172 172
14 160 160
15 130 131
16 95 94
17 54 54
18 20 21
19 0 0
20 1 0
21 0 0
22 0 0
23 0 0
24 1 0

Já podemos confirmar que, usando a variante, não há chance de começar com uma chance 3 e pequena, mas diferente de zero, de começar com 20 ou 24. Plotar esses dados gera duas curvas (púrpura é a variante, ciano é a normal 4d6 drop lower):

Essas curvas são quase completamente coincidentes. Esse esquema variante de rolagem, embora interessante do ponto de vista teórico, não aumenta significativamente o valor esperado das estatísticas, mas aumenta a variância e, mais notavelmente, o máximo.

Aqui está um rápido script AnyDice para simular essa mecânica:

function: ROLL:s drop lowest {
  result: {1..#ROLL-1}@ROLL
}
function: ROLL:s drop lowest unless all same {
  if 1@ROLL = (#ROLL)@ROLL { result: ROLL }
  result: {1..#ROLL-1}@ROLL
}
output [4d6 drop lowest] named "4d6 drop lowest"
output [4d6 drop lowest unless all same] named "4d6 drop lowest unless all same"

Como você pode dizer da saída, a diferença é insignificante: o número médio de pontos rolados usando o método "4d6 drop lowest" comum é 12.2446, enquanto a média usando o método modificado é 12.2608, um gritante 0.0162 pontos mais alto. O desvio padrão (uma medida de quão "oscilantes" são os resultados) para o método comum é de 2.8468 pontos, apenas 0.0165 pontos a menos que os 2.8634 pontos para o método modificado.

Plotando ambas as distribuições juntas, os gráficos se sobrepõem quase exatamente:

As diferenças mais notáveis entre os dois métodos estão nas extremidades das distribuições:

• O método comum tem 1/6 ⁴ e aprox. 0,077% de chance de dar apenas três pontos, se você rolar todos os outros. O método modificado fornece quatro pontos nesse caso.

• O método comum não pode dar mais de 18 pontos. Com o método modificado, você tem uma chance de 0,077% de conseguir 20 pontos (rolando todos os cinco) e outra chance de 0,077% de conseguir 24 pontos (rolando todos os seis).

No entanto, a chance de qualquer um desses casos acontecer ainda é pequena. Na verdade, a chance de qualquer rolagem de 4d6 até mesmo ativar a regra "... a menos que todos os dados sejam iguais" em todos os é apenas 1/6 ³ e aprox. ; 0,463%. Caso contrário (com uma probabilidade de 99,537%), os dois métodos produzem exatamente os mesmos resultados.