사다리는 자신과 비교되지, 다른 사람과 비교되는 것이 아니다.
1 1 래더 통합 시스템: 영웅 가중치 계수는 정규 확률 분포와 유사합니다. 정정 계수는 수렴 함수이며 한계는 1 입니다. 래더 적분 = * PMX MSM, * P =1,P 는 무게, S 는 보정 계수 (0.75~ 1), X 는 개별 영웅의 영웅 적분입니다.
위의 원칙에서 모든 것이 더 잘 설명된다.
잠시 너의 사다리를 1500 으로 정해라.
1500 은 모든 영웅에게 가중 평균을 준다. σ pmxm =1500 입니다. σ p =1입니다.
만약 당신이 29 명의 영웅을 때렸다면, M 은 1~29 이고, P 는 가중치이며, 보정 계수는 무시한다.
다음으로, 당신이 다른 영웅: 불녀를 맞혔다고 가정해 봅시다. 그리고 1700 점을 치면 1700- 1500=200 점을 추가해야 한다고 생각하십니까?
명백히 틀렸다. 화녀의 Pn=0.02 라고 가정하면, 원래의 PM 은 1 에서 0.98 로 바뀌고, 이 때 당신의 평균 영웅분은 실제로1700 * 0.02+1이 됩니다. 이것이 네가 마지막으로 추가할 수 있는 계단 적분이다.
그럼 물어볼 거야? 그럼 제가 5 명의 영웅만 쳤는데 왜 각각 100 을 더 넣었나요? 그 이유는 간단합니다.
네 명의 영웅, PNXN =1200, P =1을 연주한다고 가정해 봅시다. 다섯 번째 영웅을 할 때, 당신의 뛰어난 성과는 1700 포인트를 얻습니다. 이 영웅의 가중치가 0.2, 1700 * 0.2+ 17 이라고 가정합니다. 이것이 바로 이때 100 포인트를 얻을 수 있는 이유이다.
너 1 영웅을 때렸어? 위의 이론에 따르면 영웅 점수가 1700 이라면 1700 의 사다리 점수가 아닐까요? 사실, 한 명의 영웅만 칠 때, 첫 번째 세트는 수정 계수 1700* (이 계수는 사실 위의 공식에 있는 것으로, 당신이 영웅을 치는 횟수와 광수에 따라 결정된다. 약 0.75 가 1 에 가깝다. 더 넓게 놀수록 보정 계수가 커진다. 이 계수는 1 수렴과 비슷하다고 생각합니다. 즉, 첫 번째 영웅이 첫 판에서 40 명 5 명을 죽였다면, 당신의 영웅 점수는 직접 2000 점이라면, 수정계수를 곱하면, 당신의 사다리는 첫 판에서 1500 점에 도달합니다.
다음으로, 너는 높은 점수의 영웅과 놀아도 많은 점수를 얻지 못할 것이다. 예를 들어, +3 영웅 포인트를 치면 영웅 포인트가 2003 포인트에 도달합니다. (2003*0.5+2000*0.5-2000)*0.76 대략 = 1 이지만, 한 세트를 잃어버리면 영웅 포인트 한 세트를 잃어버리면 200 을 빼면/kloc-0 이 됩니다
그래서 1 높은 점수의 영웅을 때렸고, 한번 지면 미친 듯이 단추를 달았다.
만약 많은 영웅을 때린다면, 가설은 30 이다. 한 고득점 영웅이 졌다. 이 영웅의 점수 1700 이라고 가정하면, 이 영웅은 300 점을 공제한 후 점수가 1400 으로 바뀌었다. 너의 원래 사다리 점수는 정확히 1700 이다. 그럼, 당신은 몇 개의 사다리를 공제해야 합니까? 용의 가중치 계수 P 가 0.03 이라고 가정하면 -300*0.03=-9 점을 공제해야 합니다.
그리고 당신은 다시 물었다. 。 만약 내가 90 명의 영웅을 때렸다면, 어떻게 90 번째 영웅의 점수를 계산할 수 있을까?
아주 간단합니다. 사다리 적분 시스템에서 상위 30 명의 영웅 뒤의 영웅 가중치 계수 P 는 점점 작아지고 있다 (정규 분포처럼). 90 급 영웅이 원래 800 점으로 200 점을 잃었는데 이때 영웅 가중치가 0.002 이고 보정 계수가 0.8 이면 실제 감점: -200*0.002*0.8=-0.32 (0 에 가까우면 계단이 자동으로 반올림될 수 있음) 반대로, 이 낮은 영웅이 +200 영웅 포인트를 얻더라도, 사다리 점수는 +0 입니다. 왜요 당신의 영웅의 영웅 포인트는 상위 30 위 영웅의 평균 (계단 포인트) 보다 훨씬 낮기 때문에, 당신의 영웅은 준 정규 분포의 가중치 계수의 최하위에 있으며, 적분에 미치는 영향은 거의 변하지 않습니다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 영웅명언)
그래서 또 물어봤어? 그러니 이 저점 영웅을 때리지 마세요?
아닙니다. 이 저점 영웅의 영웅점을 상위 30 위 평균 영웅보다 높게 하면 영웅 가중치 계수가 빠르게 상승하여 가산점이 눈에 띈다. (조지 버나드 쇼, 영웅명언) (알버트 아인슈타인, 영웅명언) (낮은 점수에서 평균 점수까지 천천히 가산점을 준다. 평균점수에 가까울수록 포인트가 더 뚜렷해진다. ) 을 참조하십시오
모든 영웅들이 정규 분포의 중간 위에 있을 때, 당신의 포인트는 결국 안정될 것이다. 즉, 어떤 영웅에게 가산점이나 감점 (3 점 이내의 변화) 을 줄 수 있다는 것은 분명하지 않다. 이때 너의 사다리가 너의 진정한 실력이다.
왜 많은 선수들이 너무 일찍 정해진 상태를 보여줄까요?
그것은 당신의 영웅 실력도 안정된 정규 분포의 특징을 보여 주었기 때문입니다. 그 결과 희우반이 반반이었습니다. (윌리엄 셰익스피어, 윈스턴, 영웅명언)
결론적으로,
보정 계수와 가중치 계수의 존재로 인해 높은 계단 적분은 두 가지 방법밖에 없습니다.
1, 영웅 한 명만 치고 1000 세트를 쳐서 게임에서 이겼다. 이 영웅은 너의 영웅 점수에 의해 2800 을 맞았다. 이때 보정 계수가 0.8 이 되면 당신의 사다리 포인트는 2800*0.8=2240 입니다. (저는 큰 엉덩이만 하는 선수를 만났습니다. 영웅 포인트 3000 을 만났을 때 사다리 포인트는 2300 여 개입니다.
2, 모든 영웅들이 등장하고 2500 의 영웅점을 쳤는데, 이때 당신의 보정 계수는 0.9 입니다. 계단 적분 =2250 (이것은 인간성과 일치하며 보정 계수가 빠르게 상승함)
실제로 분포 함수와 수학의 확률 모델링을 결합하면 복잡한 수학 공식을 쉽게 얻을 수 있습니다.
나는 그것을 하나의 숫자로 단순화하여 이해하기 쉽고, 나는 이 두 계수가 도대체 어떻게 변했는지 확실히 알지 못하지만, 수정 계수의 함수나 점 세트는 수렴해야 한다. 가중치 계수는 일정한 확률 분포 (정규 분포와 유사) 와 일치해야 합니다.