Калькулятор ожидаемого числа круток для сбора полной коллекции в гача

Калькулятор ожидаемого числа круток для сбора полной коллекции в гача

Развивающийся AI Skill PRO

Введите расчет

Всего разных предметов в полном наборе (при равных шансах выпадения)

Математическая формула

E(круток)=n∑k=1n1kE(\text{круток}) = \text{n} \sum_{k=1}^{\text{n}} \frac{1}{k}
Статистика использования

Реклама

Результаты

Ожидаемое число круток для полного набора
14,7
круток (в среднем)
Количество видов предметов (n) 6
Гармоническое число H(n) 2,45
Допущение Все предметы равновероятны (одинаковый шанс выпадения)

Сообщить об ошибке на этой странице

Что считает этот калькулятор

Инструмент оценивает, сколько круток гачи, капсул из гашапона, торговых карточек или пачек стикеров вам в среднем придётся открыть, чтобы собрать хотя бы по одному экземпляру каждого предмета из полного набора. Это классическая «задача о коллекционере купонов» из теории вероятностей. Результат — это среднее по множеству попыток: в конкретной серии круток вам может повезти больше или меньше. Математика здесь универсальна и работает в любой стране и на любой платформе.

Как пользоваться

Укажите общее число разных предметов в наборе, который хотите собрать (например, линейку из 6 капсул или серию из 66 карточек), и калькулятор покажет ожидаемое количество круток. Расчёт исходит из того, что при каждой крутке любой предмет выпадает с одинаковой вероятностью.

Разбор формулы

Если в наборе n равновероятных предметов, то ожидаемое число круток для полного сбора равно

$$E(\text{draws}) = n \sum_{k=1}^{n} \frac{1}{k} = n \times H(n)$$

где \(H(n)\) — n-е гармоническое число: \(H(n) = 1 + \frac{1}{2} + \frac{1}{3} + \dots + \frac{1}{n}\). Логика такая: когда у вас уже есть \(i-1\) разных предметов, вероятность того, что следующая крутка принесёт что-то новое, равна \(\frac{n-(i-1)}{n}\), а значит, на поиск i-го нового предмета в среднем уходит \(\frac{n}{n-(i-1)}\) круток. Сложив эти значения от \(i=1\) до \(n\), получаем \(n\), умноженное на сумму \(\frac{1}{k}\).

Реклама
Схема, показывающая снижение вероятности получить новый предмет по мере заполнения коллекции
По мере роста коллекции каждое новое выпадение с меньшей вероятностью окажется недостающим предметом, поэтому ожидаемое число попыток на новый предмет растёт.

Пример расчёта

Для набора из 6 предметов:

$$H(6) = 1 + \frac{1}{2} + \frac{1}{3} + \frac{1}{4} + \frac{1}{5} + \frac{1}{6} = 2{,}45$$

поэтому

$$E = 6 \times 2{,}45 = 14{,}7 \text{ круток}$$

Первый предмет гарантированно выпадает за 1 крутку, а вот на последний, самый труднодоступный, в среднем уходит около 6 круток.

Реклама
Столбчатая диаграмма роста ожидаемого общего числа попыток при увеличении числа разных предметов
Ожидаемое число попыток \(E(n)=n \cdot H(n)\) растёт быстрее, чем \(n\), при увеличении размера набора.

Частые вопросы

Подходит ли это для разной редкости и неравных шансов выпадения? Нет. Формула предполагает, что все предметы равновероятны. Если в вашей гаче есть редкие и обычные предметы с разными шансами, нужна более общая взвешенная модель коллекционера купонов — и она даст большее число круток.

Это гарантированный результат? Нет, это среднее значение на длинной дистанции. Вы можете закрыть набор быстрее или гораздо медленнее — распределение имеет длинный хвост.

Как прикинуть стоимость? Умножьте ожидаемое число круток на цену одной крутки — получите примерный бюджет.

Интерпретация результата

  • Это среднее значение, а не гарантия. \(E(n)\) — среднее по многим гипотетическим коллекционерам. Некоторым людям требуется заметно меньше, другим — значительно больше.
  • Разброс. Дисперсия примерно равна \(\frac{n^2\pi^2}{6}\), поэтому стандартное отклонение составляет около \(n\sqrt{\pi^2/6}\approx 1.28\,n\) при больших n. Для n = 100 среднее число розыгрышей составляет около 519, а стандартное отклонение — около 128 розыгрышей, поэтому распределение скошено, с длинным правым хвостом.
  • Розыгрыши для уверенности 90% или 95%. При больших n вероятность завершить коллекцию в пределах \(n\ln n + c\,n\) розыгрышей примерно равна \(e^{-e^{-c}}\). Решая уравнение, получаем \(c\approx 2.25\) для 90% и \(c\approx 3.0\) для 95%. Таким образом, необходимое число розыгрышей составляет примерно \(n(\ln n + 2.25)\) для 90% и \(n(\ln n + 3.0)\) для 95%. Для n = 100, \(\ln 100\approx 4.605\), что даёт примерно 100 × (4.605 + 2.25) ≈ 686 розыгрышей для 90% и примерно 100 × (4.605 + 3.0) ≈ 760 розыгрышей для 95%. Это асимптотическое приближение, которое менее точно для небольших наборов.
  • Последний предмет самый затратный. Когда не хватает только одного предмета, каждый розыгрыш имеет шанс 1/n на его выпадение, поэтому один последний предмет в среднем требует около n розыгрышей. Это значительная доля от общего числа: для n = 100 — около 100 из примерно 519 ожидаемых розыгрышей.
  • Допущения. Формула применима только тогда, когда все предметы равновероятны и каждый розыгрыш независим. Она не работает при неравных шансах выпадения (например, редкие и обычные категории), в системах гарантий или «милосердия» (pity), при защите от дубликатов или для запечатанных наборов, где предметы извлекаются без возврата. В таких случаях реальное число розыгрышей отличается — обычно больше при неравных шансах и меньше в системах гарантий или наборах.

Это общая информация о теории вероятностей, а не рекомендация по покупкам.

Последнее обновление:

Самые популярные в разделе Математика и статистика

Все калькуляторы раздела Математика и статистика