老虎機數學入門 PART Ⅱ

對於想入門的機率工程師,這篇文章必讀!

老虎機數學入門 PART Ⅱ
Photo by Lee Thomas / Unsplash

本文是系列文章的第二篇,若還沒讀過前篇的讀者請先閱讀【老虎機數學入門 PART Ⅰ】,閱讀過前篇的讀者相信已經知道如何計算一個簡單的主遊戲,而這篇要介紹的是如何計算一個老虎機包含有以下特色:

  • 5個轉輪帶都放入Scatter。
  • 主遊戲中出現3個以上任意位置的Scatter將會觸發免費遊戲。
  • 免費遊戲中出現3個以上任意位置的Scatter可再觸發。
  • 主遊戲以及免費遊戲中出現{3,4,5}個Scatter 分別獲得{10,15,20}Free Spins。

首先附上完整算好的主遊戲計算

左邊區域為滾輪表、賠率表設定、以及圖案次數統計,做法與前篇相同。

接著細看右邊計算區域

上半部一般符號連線得分算法可參考前篇系列文【老虎機數學入門 PART Ⅰ】

下半部的Scatter算法,必須將{3,4,5}個Scatter的{10,5,1}種狀況分別列出來計算,就可分別獲得{3,4,5}個Scatter的

免費遊戲觸發率{2.4384%,0.2152%,0.0076%}

算完後可得主遊戲RTP = 65.00%。


再來一樣附上完整算好的免費遊戲圖片

單一把免費遊戲的RTP算法跟主遊戲是一模一樣,但由於滾輪表上多了更多Wild,轉輪5也少了最後位置20的符號9,所以整體得分稍有不同,Scatter的出現頻率也稍有不同。

然後重點是如何將整個免費遊戲的RTP算出來,我們已經算出單一把免費遊戲RTP是102.28%,那麼接下來就是要算加入再觸發後免費遊戲平均總次數。先來細看免費遊戲設定

假設我們已知平均每一個Free Spin含再觸發後的平均Spins數是1.40018608 (此數據會稍後介紹如何計算),那麼就可知道{3,4,5}個Scatter 分別獲得{10,15,20}Free Spins,乘上1.40018608之後的免費遊戲平均總次數{14.0019,21.0028,28.0037}

RTP = 免費遊戲觸發率 X 單一把免費遊戲RTP X 免費遊戲平均總次數,算出來分別是{34.92%,4.62%,0.22%},所以免費遊戲RTP = 39.76%。


最後要回頭來介紹如何計算每一個Free Spin含再觸發後的平均Spin數,這一步驟是許多剛入門的機率工程師第一個會碰到的難題,尤其是當不同Scatter總數會觸發不同的免費遊戲次數時,難度更是直線上升。

首先直接上公式圖

數學底子好的人已經可以從公式看出能用無窮等比級數的概念去推導公式,相信絕大部分的機率工程師也是被教導要使用無窮等比級數去計算,但用無窮等比級數的概念去推導真的不是很容易,我相信很多機率工程師都是重複拷貝使用,但很少推導此公式。

這邊要教讀者另一個SLOT設計王】獨特的簡單代數方法來推導此公式

  1. 首先假設1 Free Spin含再觸發後平均為X Free Spin,那麼(X-1)就是再觸發所增加的Free Spin。
  2. 再來令每1 Free Spin{3,4,5}個Scatter的再觸發率為{P3,P4,P5,觸發增加{S3,S4,S5Free Spin,那麼X Free Spin平均共會再觸發{X*P3X*P4X*P5}次,並且增加{X*P3*S3X*P4*S4X*P5*S5}Free Spin。
  3. 由 1 & 2 可得 (X-1) =( X*P3*S3 + X*P4*S4 + X*P5*S5 )= X*( P3*S3 + P4*S4 + P5*S5 )
  4. 左右移項可得 X - X*( P3*S3 + P4*S4 + P5*S5 ) = X*(1 - P3*S3 - P4*S4 - P5*S5 ) = 1
  5. 左右同除括號內式子 X = 1 / (1 - P3*S3 - P4*S4 - P5*S5 ),收工!

Read more

AI 與負責任博弈

AI 與負責任博弈

在當今的數位博弈時代,AI 已經慢慢開始帶來一些影響,例如AI可以把客製化遊戲推薦做到最佳自動化,為玩家帶來前所未有的沉浸式體驗。然而,在這項強大技術的光環之下,一個深刻的道德悖論正在浮現。 同一套用於最大化玩家參與度的演算法,也被宣傳為保護弱勢玩家、促進負責任博弈 (Responsible Gaming, RG) 的工具。這引出了一個關鍵問題:當一項技術的設計初衷是為了讓玩家持續遊玩時,它能否真正有效地保護他們免於傷害?本文將深入探討人工智慧在負責任博弈中的雙重角色,剖析其作為數位守護者的巨大潛力,同時揭示其背後潛藏的利益衝突與道德困境。 第一部分:AI 的承諾——新一代的數位守護者 傳統的負責任博弈措施多為被動式,依賴玩家的自覺,例如自行設定存款上限或申請自我排除。然而,AI 的出現徹底改變了這一模式,將玩家保護從被動回應轉變為主動預防。 數據驅動的早期預警系統 AI 的核心優勢在於其處理和分析海量玩家數據的能力。每一筆存款、每一次下注、每一次點擊以及遊戲時長,都成為 AI 演算法的分析對象。透過機器學習模型,AI 能夠識別與問題博弈相關的特定行為模式或「傷害指標」。

By 根博之樂