掉寶機率計算機

掉寶機率計算機

領先 AI Skill PRO

輸入計算

數學公式

P至少一次=100×[1−(1−p)n]E掉落=n·p其中{p=掉落率(%)100n=嘗試次數\begin{gathered} P_{\text{至少一次}} = 100 \times \left[1 - (1-p)^{n}\right] \qquad E_{\text{掉落}} = n \cdot p \\[1.5em] \text{其中}\quad \left\{ \begin{aligned} p &= \dfrac{\text{掉落率(\%)}}{100} \\ n &= \text{嘗試次數} \end{aligned} \right. \end{gathered}
使用統計

廣告

結果

至少掉落一次的機率
76.27%
over 5 attempts
完全沒掉落的機率 23.73%
預期掉落次數 1.25

回報本頁錯誤

什麼是掉寶機率計算機?

掉寶機率計算機能告訴你,在嘗試固定次數後實際拿到稀有道具的機會有多大。許多遊戲標示的單次掉落率看起來都很低,但隨著你不斷重刷,命中的機會其實會慢慢累積起來。這個工具會把「單次掉落機率」換算成你所有嘗試加總之後的「累積機率」。

曲線顯示累計掉落機率隨嘗試次數上升,接近但始終不到100%。
至少掉落一次的機率一開始上升得很快,隨後趨於平緩,卻始終達不到100%。

如何使用

請以百分比輸入每次嘗試的掉落率(例如 2% 的機率就填 2),再填入你預計要嘗試的次數。計算機會回傳你「至少掉落一次」的機率、「一次都沒掉」的機率,以及「預期掉落次數」。

公式說明

我們把每一次嘗試都視為彼此獨立。若 \(p\) 代表每次嘗試的掉落機率、\(N\) 代表嘗試次數,那麼「至少成功一次」的機率可以用餘事件(反面機率)來計算:

$$P = 1 - (1-p)^{N}$$

其中 \(1-p\) 是單次落空的機率,而 \((1-p)^{N}\) 則是每一次都落空的機率。

廣告
一排十個寶箱,只有一個打開,裡面裝著稀有寶石。
每次嘗試都是一次獨立抽取。嘗試多次後,其中某些就可能抽中稀有掉落。

實際範例

假設每次嘗試的掉落率為 10%,而你總共刷了 7 次,那麼 \(p = 0.10\)、\(N = 7\):

$$P = 1 - (1-0.10)^{7} = 1 - 0.9^{7} = 1 - 0.4783 = 0.5217$$

也就是說,刷 7 次至少掉落一次稀有道具的機率大約是 52.17%。

一條分成兩部分的長條:至少掉落一次的機率,以及完全沒有掉落的機率。
至少掉落一次的機率,等於1減去每次嘗試都落空的機率。

各種情境下的掉落機率

此表顯示以每次嘗試的掉落率 \(p\) 計算,至少獲得一次掉落的機率 \(P = 1-(1-p)^{N}\)。每次嘗試都視為獨立事件,且掉落率固定不變。數值四捨五入至小數點後兩位。最後一欄為 100 次嘗試的預期掉落次數 \(E = N \cdot p\)。

掉落率 (p) 10 次 25 次 50 次 100 次 100 次嘗試的預期掉落次數
0.5% 4.89% 11.78% 22.17% 39.42% 0.5
1% 9.56% 22.22% 39.50% 63.40% 1
2% 18.29% 39.65% 63.58% 86.74% 2
5% 40.13% 72.26% 92.31% 99.41% 5
10% 65.13% 92.82% 99.48% >99.99% 10

請注意,恰好嘗試 \(1/p\) 次(1% 掉落率嘗試 100 次、2% 嘗試 50 次、10% 嘗試 10 次)的結果約為 63–65%,而非 100%。平均而言,你在這麼多次嘗試中會獲得一次掉落,但仍有相當比例的玩家一無所獲。無論嘗試多少次,掉落的機率都永遠不會恰好達到 100%。

廣告

更多實例

範例 1:掉落率 0.5%,嘗試 200 次

  1. 將機率轉換為分數:\(p = 0.5/100 = 0.005\),且 \(N = 200\)。
  2. 求每次都沒掉落的機率:\((1-0.005)^{200} = 0.995^{200} \approx 0.36696\)。
  3. 用 1 減去該值:\(P = 100 \times (1 - 0.36696) \approx\) 63.30%。
  4. 預期掉落次數:\(E = 200 \times 0.005 = 1\)。

平均會掉落一次,但嘗試 200 次後仍有約 36.7% 的機率一無所獲。

範例 2:要以 1% 掉落率達到 90% 的機率,需要嘗試幾次?

解方程式 \(1-(1-p)^{N} = 0.90\) 求 \(N\):

$$N = \frac{\ln(1-0.90)}{\ln(1-p)} = \frac{\ln(0.10)}{\ln(0.99)} = \frac{-2.302585}{-0.010050} \approx 229.1$$
  1. 無條件進位至下一個整數次嘗試:\(N = 230\)。
  2. 驗證:\(0.99^{230} \approx 0.09910\),因此 \(P = 100 \times (1 - 0.09910) \approx\) 90.09%。
  3. 嘗試 229 次時機率約為 89.99%,略低於目標。因此 230 次是達到 90% 的最少嘗試次數。

範例 3:掉落率 25%,嘗試 5 次

  1. \(p = 25/100 = 0.25\),\(N = 5\)。
  2. 每次都沒掉落的機率:\((1-0.25)^{5} = 0.75^{5} = 0.2373046875\)。
  3. \(P = 100 \times (1 - 0.2373046875) \approx\) 76.27%。
  4. 預期掉落次數:\(E = 5 \times 0.25 = 1.25\)。

即使掉落率高達四分之一,嘗試 5 次後仍約有四分之一的玩家(23.7%)一無所獲。

這些結果假設每次嘗試皆為獨立事件,且掉落率固定。採用保底計時器、防歪保護或遞增掉落率的遊戲,其機率會與此公式不同,通常會比公式顯示的更好。

常見問題

掉落率 2% 是不是代表刷 50 次就一定會掉?不會。以 2% 的掉落率刷 50 次,你的機率是 \(1-(0.98)^{50}\approx 63.6\%\),並不是 100%。

什麼是預期掉落次數?它是掉落次數的平均值,也就是 \(N \times p\);在嘗試次數很多時,這個數字有可能超過 1。

每次嘗試真的都互相獨立嗎?是的,每次嘗試都彼此獨立、掉落率也相同,這點也符合大多數遊戲的掉寶機制。

最後更新:

數學和統計熱門計算器

查看全部數學和統計計算器