这个计算器能做什么
道具掉落概率计算器可以告诉你:反复刷同一只怪、或连续开一定数量的宝箱之后,至少爆出一件稀有道具的累计概率有多大。游戏公示的通常只是「单次掉落率」(比如 2%),但这个数字并不能代表你刷一整晚的实际中奖机会。本工具把单次爆率换算成整段刷本过程的真实成功概率,让你在开刷之前就心里有数。
公式原理
每一次尝试都是相互独立的伯努利试验,成功概率为 \(p\)。单次失败的概率是 \(1-p\),因此连续 \(n\) 次全部失败的概率就是 \((1-p)^n\)。而「至少成功一次」正是它的对立事件:
$$P = 1 - (1 - p)^{n}$$
其中 \(p\) 表示写成小数形式的单次掉落率,\(n\) 表示尝试次数。期望掉落数量则更简单,直接相乘即可:\(E = n \times p\)。
使用方法
先填入游戏公示的掉落率(百分比形式),再填入你打算尝试的次数。计算器会立刻给出至少爆出一件的累计概率,以及预计能爆到的道具总数。
实例演算
假设某件道具的掉落率为 \(25\%\),你一共尝试 \(4\) 次,则 \(p = 0.25\)、\(n = 4\):
$$P = 1 - (1 - 0.25)^{4} = 1 - 0.75^{4} = 1 - 0.316406 = 0.683594$$
也就是说,你至少拿到一件的概率约为 \(68.36\%\),而不是很多人直觉认为的 100%。
常见掉落率与尝试次数下的掉落概率
每个单元格显示至少获得一次掉落的概率 \(P = 1-(1-p)^n\),以百分比表示。该计算假设每次尝试都相互独立,且掉落率相同。数值保留两位小数,因此 100.00% 表示“高于 99.995%”,而不是绝对保证。
| 掉落率 | 10次尝试 | 50次尝试 | 100次尝试 | 300次尝试 | 1000次尝试 |
|---|---|---|---|---|---|
| 0.1% | 1.00% | 4.88% | 9.52% | 25.93% | 63.23% |
| 0.5% | 4.89% | 22.17% | 39.42% | 77.77% | 99.33% |
| 1% | 9.56% | 39.50% | 63.40% | 95.10% | 100.00% |
| 2% | 18.29% | 63.58% | 86.74% | 99.77% | 100.00% |
| 5% | 40.13% | 92.31% | 99.41% | 100.00% | 100.00% |
| 10% | 65.13% | 99.48% | 100.00% | 100.00% | 100.00% |
示例:1% 的掉落率在 100 次尝试中,得到 \(1-(0.99)^{100} \approx\) 63.40%。0.5% 的掉落率在 300 次尝试中,约为 77.77%。
达到目标置信度所需的尝试次数
要求出在单次尝试掉落率为 \(p\)(小数形式,例如 0.01)时,达到目标概率 \(P\)(小数形式,例如 0.90)所需的尝试次数:
- 将百分比转换为小数:1% 的掉落率为 \(p = 0.01\),90% 的目标为 \(P = 0.90\)。
- 计算 \(1-P\) 和 \(1-p\)。本例中,\(1-P = 0.10\),\(1-p = 0.99\)。
- 取自然对数并相除:$$n = \frac{\ln(1-P)}{\ln(1-p)}$$
- 向上取整到下一个整数次尝试,因为不能进行小数次尝试,而向下取整将略低于目标。
小概率 \(p\) 的简便算法:由于 \(\ln(1-p) \approx -p\),因此 50% 的概率对应 \(n \approx \frac{0.693}{p}\),90% 的概率对应 \(n \approx \frac{2.303}{p}\)。
示例(1% 掉落率):
- 50%:\(n = \frac{\ln 0.5}{\ln 0.99} = \frac{-0.6931}{-0.01005} \approx 68.97\),因此 69 次尝试。简便算法得到 \(0.693/0.01 = 69.3\)。
- 90%:\(n = \frac{\ln 0.1}{\ln 0.99} = \frac{-2.3026}{-0.01005} \approx 229.1\),因此 230 次尝试。简便算法得到 \(2.303/0.01 = 230.3\)。
对于 0.5% 的掉落率和 90% 的目标:\(\frac{2.3026}{0.005013} \approx 459.4\),因此约需 460 次尝试。
如何理解你的掉落概率
- 期望尝试次数并不是保证。如果你进行 \(n = 1/p\) 次尝试(例如 1% 掉落率下的 100 次尝试),至少掉落一次的概率为 \(1-(1-p)^{1/p} \approx 1 - 1/e \approx 63.2\%\),而不是 100%。这意味着大约有 36.8% 的可能性一无所获。
- 连续歉收很正常。在各次尝试相互独立的情况下,过去的失败不会提高下一次尝试的概率。在大量玩家中,连续尝试达到预期次数的 2–3 倍仍未掉落的情况经常发生。当 \(n = 2/p\) 时,仍有约 13.5% 的玩家一无所获;当 \(n = 3/p\) 时,约为 5%。
- 这是概率,不是预测。结果描述的是在大量假设的尝试中至少成功一次的可能性,无法判断哪一次尝试会成功,也无法判断你的尝试会不会成功。
- 模型假设。该公式假设每次尝试的掉落率固定且相互独立。若游戏设有保底计数器、防歉收机制、达到阈值后必定掉落,或掉落率随等级或幸运属性变化,则实际情况会与此模型不同。通常这些机制会让真实概率比公式显示的更高。
- 核实掉落率。已公布或社区估算的掉落率可能只是近似值,因此请将计算结果视为估计。
常见问题
刷得够多就一定能爆吗?不会。随着 \(n\) 增大,概率只会不断逼近 100%,但永远达不到,所以理论上永远存在「非酋到底」的可能。
为什么算出来的概率比「爆率 × 次数」低?因为直接相乘会把「爆了不止一次」的情况重复计算,次数一多甚至会超过 100%。正确做法是用「全部失败」的对立事件,结果必然不超过 100%。
每次掉落真的互相独立吗?本模型假设每次尝试相互独立且爆率恒定,这与大多数没有保底(pity)机制的游戏相符。如果游戏带有保底、垫刀或递增概率机制,实际结果会优于本公式的估算。