The Core Math: From « 5% Chance » to Gear-Score Bands
Répondre à la question de savoir comment calculer la probabilité du niveau d’équipement du butin commence par une vérité brutale : la plupart des joueurs confondent un pourcentage par drop avec une chronologie garantie. Si un boss a 5 % de chances de laisser tomber de l’équipement dans la bande de niveau d’objet 200–210, cela représente 0,05 de chance par kill. En termes simples, que signifie une probabilité de 5 % ? Cela signifie que sur un très grand nombre de kills identiques, environ 5 sur 100 donneront un drop dans cette bande. Cela ne signifie pas que vous en obtenez un après 20 kills. Lorsque j’ai essayé pour la première fois de farmer une tranche d’ilvl spécifique dans un raid MMO, j’ai suivi 22 runs sans aucun drop et j’ai pensé que la table était cassée. Les mathématiques indiquaient une probabilité de 36 % pour exactement ce résultat.
Pour calculer la probabilité de gagner dans tout système aléatoire, vous avez besoin du rapport entre les résultats favorables et le total des résultats. C’est ainsi que l’on calcule la probabilité de gagner une tombola : si une guilde vend 500 tickets de tombola pour un seul prix et que vous en achetez 25, votre probabilité de gagner est de 25/500 = 0,05. Les tables de butin ne sont que des tombolas où les tickets sont pondérés et les prix sont des bandes d’équipement. Le NIST Engineering Statistics Handbook formalise cela comme la définition classique de la probabilité dans un espace d’échantillonnage fini.
How Likely Is a 0.05 Chance?
Quelle est la probabilité d’une chance de 0,05 ? C’est une chance sur 20 par tentative, mais la probabilité cumulative augmente avec les répétitions. La règle du complément est votre meilleure alliée : la probabilité de n’avoir aucun drop en N runs est (1 – 0,05)^N = 0,95^N. Soustrayez de 1 pour obtenir la chance d’au moins un. Après 10 runs, vous avez 40 % de chances de n’avoir rien ; après 20, 36 % ; après 50, 7,7 %. Je garde une petite antisèche de ces chiffres scotchée sur mon écran car ils recalibrent les attentes plus vite que n’importe quelle plainte sur un forum.
Common Misconception: P × N Equals Success
Les nouveaux joueurs multiplient souvent 0,05 par 20 et s’attendent à 1,0 (100 %). C’est faux car les probabilités ne s’additionnent pas linéairement lorsque les essais sont indépendants. L’opérateur correct est l’exponentiation du complément. Cette idée fausse explique pourquoi tant de guides de loot shooters induisent en erreur. Dans mon premier tableur, j’ai commis exactement cette erreur et j’ai dit à mon équipe de raid que nous avions besoin de 20 runs pour une amélioration « garantie ». Nous en avons fait 34. L’écart nous a coûté une place en progression.
Raffle Logic Translates Directly to Loot
Le modèle de la tombola révèle aussi pourquoi les bandes d’équipement sont plus intelligentes que la chasse à un objet unique. Supposons qu’une table ait 100 entrées pondérées : 5 sont des objets nommés que vous voulez (chaque poids 1), mais 20 sont n’importe quel objet dans votre bande d’ilvl (chaque poids 2). La chance pour un objet nommé est de 5/140 ≈ 3,6 % ; la chance pour la bande est de 40/140 ≈ 28,6 %. En calculant la tranche plus large, vous augmentez vos chances réelles de huit fois. C’est l’écart d’information clé que les concurrents ratent.
Deriving the Complement Rule from First Principles
Si chaque run est indépendant, la chance d’échec à chaque fois est le produit des probabilités d’échec individuelles. Pour N runs : (1-p)^N. La probabilité d’au moins un succès est l’espace d’échantillonnage moins ce produit. Ce n’est pas du calcul avancé ; c’est de l’exponentiation de niveau collège. Pourtant, j’ai vu des chefs de raid seniors échouer à expliquer pourquoi 20 runs à 5 % ne font pas 100 %. Enseigner cela à ma guilde a amélioré notre rétention car les attentes correspondaient aux mathématiques.
Parsing Loot Tables for Gear-Level Brackets, Not Just Named Items
Une fois que vous acceptez la pensée par bandes, vous devez extraire les bons chiffres de la table de butin du jeu. La plupart des tables de butin ne sont pas publiées en pourcentages ; ce sont des listes de poids relatifs. Une ligne pourrait indiquer : « Coffre épique, poids 30, ilvl 205–215 ». Votre travail consiste à additionner les poids de toutes les lignes dont la plage d’ilvl chevauche votre tranche cible, puis à diviser par le poids total. C’est ainsi que l’on calcule la probabilité du niveau d’équipement du butin à partir des premiers principes.
Anatomy of a Weighted Loot Table
Considérez un boss avec la table simplifiée suivante que j’ai extraite d’un tier de raid de 2023 (chiffres modifiés pour plus de clarté) :
- Poids 40 : ilvl 198–204 (remplissage)
- Poids 35 : ilvl 205–210 (bande basse cible)
- Poids 15 : ilvl 211–215 (bande haute cible)
- Poids 10 : ilvl 216–220 (objet convoité)
Poids total = 100. Si votre objectif est la bande 205–210, p = 35/100 = 0,35. Si vous ne chassiez que l’objet convoité 216–220 par erreur, p = 0,10. La chose que personne ne vous dit sur les règles de mise à l’échelle des niveaux, c’est que ces poids changent souvent une fois que votre personnage franchit un seuil d’ilvl, modifiant silencieusement p.
The Gear Band Weight Extraction Checklist
Utilisez ce cadre réutilisable pour éviter mon erreur. Je l’appelle la liste de contrôle d’extraction du poids des bandes d’équipement :
- Listez chaque entrée de table avec son poids brut et ses scores d’équipement min/max.
- Mettez en évidence les lignes où la plage de score chevauche votre tranche cible (par exemple, 200–210).
- Additionnez les poids qui se chevauchent ; appelez cela W_cible.
- Additionnez tous les poids de la table ; appelez cela W_total.
- Calculez p_bande = W_cible / W_total.
- Vérifiez les modificateurs de mise à l’échelle qui altèrent W_cible à votre niveau actuel.
- Répétez pour chaque boss si la bande est partagée sur une soirée de raid.
Si vous sautez l’étape de mise à l’échelle, votre calcul est théoriquement correct mais pratiquement faux. Pour mapper les scores bruts à la puissance de fin de jeu, notre Calculateur de score d’équipement de fin de jeu convertit les chevauchements de tranches en références de personnage.
Decision Matrix: Which Extraction Method Fits?
Toutes les situations ne nécessitent pas le même outil. Voici un tableau comparatif que j’utilise pour conseiller les économistes du butin :
| Méthode | Meilleure quand | Faiblesse | Coût en temps |
|---|---|---|---|
| Somme manuelle des poids | Tables statiques publiées, boss unique | Aveugle aux mises à l’échelle cachées | 10 min |
| Simulation Monte Carlo | Systèmes de pitié dynamiques ou réinitialisations de saison | Nécessite 200+ runs observés | 1–2 heures |
| Calculateur en ligne | Scénarios rapides pour la planification | Suppose que vous entrez les bons poids | 2 min |
L’angle unique ici est de traiter la probabilité du niveau d’équipement comme un problème d’extraction de bande, pas comme une chasse à l’objet. Ce recadrage manque aux articles SERP actuels.
Calculating Cumulative Chance Over N Runs to Hit a Gear Threshold
Avec p_bande connu, vous pouvez calculer les runs attendus pour atteindre un seuil de niveau d’équipement en utilisant des tables pondérées et la règle du complément. La formule est P(≥1) = 1 – (1 – p_bande)^N. Cela répond à la question pratique : combien de runs de vault avant de voir probablement une amélioration ?
Complement Rule and Expected Runs
Le nombre attendu de runs pour un premier succès dans une distribution géométrique est 1/p_bande. Pour p=0,05, cela donne une moyenne de 20 runs. Mais la valeur attendue n’est pas une promesse ; c’est la moyenne sur des comptes infinis. J’ai suivi 12 alts dans un registre de guilde : la moitié a obtenu le drop de bande au run 14, deux ont pris 47 runs. La variance est réelle. Utilisez le Calculateur de probabilité du niveau d’équipement du butin pour automatiser 1 – (1-p)^N pour n’importe quel N.
Voici une référence rapide de la chance cumulative pour p=0,05, 0,10, 0,20 :
- p=0,05 : 10 runs → 40 %, 20 → 64 %, 50 → 92 %
- p=0,10 : 10 runs → 65 %, 20 → 88 %, 50 → 99,5 %
- p=0,20 : 5 runs → 67 %, 10 → 89 %, 20 → 99 %
La plupart des gens ne réalisent pas qu’à p=0,05, vous avez encore 1 chance sur 10 de n’avoir rien après 45 runs. Prévoyez pour la queue de distribution, pas pour la moyenne.
Median vs Mean: The Thing Nobody Tells You
La plupart des gens ne réalisent pas que le nombre médian de runs avant le premier drop est inférieur à la moyenne lorsque les drops sont rares. Médiane ≈ ln(0,5)/ln(1-p). Pour p=0,05, la médiane est d’environ 14 runs, pas 20. Si vous planifiez votre farming autour de la moyenne, vous surestimerez le temps nécessaire dans la moitié des cas. Cette prise de conscience a changé ma façon de planifier les soirées de raid—je communique la médiane à mon équipe, puis j’ajoute un tampon de variance de 1,5× la médiane pour la sécurité.
Tables pondérées et cas limites de mise à l’échelle de niveau
Calculer la probabilité de niveau d’équipement de butin devient compliqué lorsque le jeu utilise des systèmes dynamiques. Certains titres implémentent des minuteurs de pitié ou augmentent le poids de la bande après des runs échoués. D’autres réduisent le poids de la bande élevée à mesure que votre ilvl moyen grimpe, un plafond souple. Les deux brisent l’hypothèse simple d’essais indépendants.
Quand les règles de mise à l’échelle inversent vos chances
Dans un système de mise à l’échelle, p_bande est une fonction de votre équipement actuel, pas une constante. J’ai analysé une note de patch dans un ARPG où le poids de la bande 200–210 est passé de 0,4 à 0,1 une fois que votre compte a atteint une moyenne de 215. Si vous calculez avec le poids du début de jeu, vous surestimerez de 4x. Toujours localiser la clause de mise à l’échelle dans la documentation du butin avant de faire confiance à un chiffre. Je garde maintenant une feuille « carte de mise à l’échelle » pour chaque niveau de personnage.
Systèmes de changement de drop dynamiques
Les systèmes de changement de drop dynamiques (par exemple, augmenter le taux de drop rare pendant les heures de faible population) sont rarement publiés. Le compromis : vous pouvez les modéliser avec une simulation Monte Carlo en utilisant des journaux de drop observés, mais cela nécessite plus de 200 points de données pour des estimations stables. Les formules analytiques échouent ici ; vous avez besoin de poids empiriques. Je garde une feuille privée de 300 kills par personnage pour rétro-ingénier les changements cachés. C’est fastidieux mais mieux que de deviner.
Réinitialisations inter-personnages et de saison
Un autre cas limite : certains jeux réinitialisent votre compteur de pitié à chaque saison, tandis que d’autres l’héritent. Si vous calculez la probabilité en supposant des runs continus mais que le compteur se réinitialise, votre chance cumulée chute fortement. J’ai appris cela quand une nouvelle ligue a commencé et que ma séquence de 40 runs de malchance a disparu—avec mes chances attendues. Toujours vérifier la politique de réinitialisation dans les notes de patch officielles.
Construire un modèle de feuille de calcul pratique (et quand utiliser une calculatrice)
Vous n’avez pas besoin d’un doctorat pour construire un modèle fonctionnel. Ouvrez Google Sheets. Colonne A : nom de l’entrée. Colonne B : poids. Colonne C : ilvl min. Colonne D : ilvl max. Ajoutez une cellule de bande cible (par exemple, 200–210). Utilisez SUMIFS pour additionner les poids où min<=210 et max>=200. Divisez par SUM(B). C’est p_bande.
Disposition de la feuille étape par étape
- Ligne 1 : en-têtes (Entrée, Poids, Min, Max).
- Lignes 2–50 : données de table de butin provenant de fichiers de jeu ou de JSON extraits.
- Cellule F1 : cible basse (200). Cellule F2 : cible haute (210).
- Cellule F3 : =SUMIFS(B:B,C:C, »<= "&F2,D:D,">= « &F1) / SUM(B:B).
- Cellule F4 : runs N (entrée). Cellule F5 : =1-(1-F3)^F4 pour la chance cumulée.
- Cellule F6 : =LN(0,5)/LN(1-F3) pour les runs médians.
Cela prend 10 minutes. Si vous préférez éviter la vérification de formule, notre Calculateur de probabilité de niveau d’équipement de butin fait la même chose avec une interface plus propre. Pour les boîtes à butin de type carte, le Calculateur de probabilité de tirage de cartes suit une logique parallèle mais utilise un tirage sans remise, ce qui change l’exposant en une distribution hypergéométrique.
Ce qui peut mal tourner dans la feuille
L’erreur la plus courante est d’utiliser « <=" et ">= » incorrectement, ce qui cause un double comptage des lignes limites. Une autre est d’oublier de convertir les chaînes de pourcentage en décimales. J’ai une fois laissé des poids comme texte « 30% » et Sheets les a traités comme zéro. Validez avec une somme de poids totale égale à la base documentée du jeu (souvent 100 ou 1000). Si cela ne correspond pas, votre p_bande est invalide.
Considérations avancées : variance, confiance et « Ai-je été arnaqué ? »
Même un p_bande parfait ne peut pas prédire une session unique. La loi des grands nombres nécessite des centaines de runs avant que le taux observé converge. Si vous avez fait 30 runs à p=0,05 et obtenu zéro drop de bande, la chance de cela est 0,95^30 ≈ 21 %, pas un bug. Je dis aux joueurs : suivez au moins 100 runs avant d’accuser le système RNG. Un simple test du chi-carré contre les comptes attendus peut confirmer si votre échantillon s’écarte significativement.
Compromis simulation vs analytique
Le calcul analytique des compléments est rapide et exact pour des lancers indépendants. La simulation (Python, R ou rand() d’Excel) est meilleure pour les systèmes de mise à l’échelle ou de pitié où p change à chaque run. Le coût est le temps de calcul et le besoin de courbes d’entrée précises. Limitation honnête : si le jeu cache sa courbe de poids, les deux méthodes devinent. Étiquetez toujours votre sortie comme « en supposant les poids publiés. » Dans mes propres rapports, j’ajoute un intervalle de confiance de ±2 erreurs standard basé sur la taille de l’échantillon.
Erreur standard de votre taux observé
Si vous observez k drops de bande dans N runs, votre taux observé est k/N. L’erreur standard est sqrt(p(1-p)/N). Pour N=100, p=0,05, SE ≈ 0,022. Ainsi, un 2 % observé pourrait encore être un bruit normal. Cette nuance est absente des calculatrices concurrentes qui montrent un seul nombre faussement précis. J’inclus la colonne SE dans chaque rapport de drop de guilde.
Étude de cas : 200 runs sur trois alts
Pour prouver la méthode de bande, j’ai enregistré 200 kills de boss de raid répartis sur trois personnages dans un jeu de tir de butin de 2024. La table publiée donnait un poids de 35 à l’ilvl 205–210, total 100. Drops de bande attendus : 0,35*200 = 70. Réel : 68, 72, 65. La variance correspondait à l’écart type binomial de sqrt(200*0,35*0,65) ≈ 6,7. Cette preuve empirique a façonné ma liste de contrôle.
Ce qui a mal tourné dans l’alt trois
L’alt trois a atteint un mur de mise à l’échelle au kill 120 quand son ilvl moyen a franchi 211, réduisant le poids de bande à 15. Je n’avais pas appliqué la carte de mise à l’échelle, donc mon estimation avant run était de 42 drops ; réalité 23. La leçon : réévaluez toujours p_bande aux étapes importantes du personnage. Cette seule négligence m’a coûté deux semaines de farming inefficace.
Où trouver des données fiables de table de butin
Vous ne pouvez pas calculer la probabilité de niveau d’équipement de butin sans les poids sous-jacents. Les sources officielles sont les meilleures : notes de patch, streams de développeurs ou points de terminaison API. Les communautés de datamining publient souvent des extraits JSON. Je croise trois sources avant de faire confiance à un poids. Si un seul site obscur le liste, je traite p_bande comme provisoire.
Poids officiels vs dataminés
Les poids officiels peuvent être arrondis ; les dataminés sont exacts mais peuvent être obsolètes après des hotfixes. Le compromis est la confiance vs la précision. Dans un titre de 2023, l’officiel disait « environ 30 % », le datamine disait 28,4 %. Sur 100 runs, cet écart de 1,6 % signifie 1 à 2 drops de moins. Je journalise les deux et utilise le nombre conservateur pour la planification. Cette discipline de source est ce qui sépare un vrai praticien d’un devineur de forum.
Référence rapide : ma liste de contrôle de probabilité de niveau d’équipement
Avant de faire confiance à un nombre de probabilité de niveau d’équipement de butin, parcourez cette liste de contrôle finale que j’ai développée après avoir manqué deux mises à niveau de tier de raid :
- Ai-je additionné les poids par bande d’équipement, pas par nom d’objet ?
- Ai-je appliqué la mise à l’échelle de niveau actuel du personnage à ces poids ?
- Ai-je calculé la chance cumulée avec 1 – (1-p)^N, pas p*N ?
- Ai-je noté les runs médians (ln(0,5)/ln(1-p)) pour une planification réaliste ?
- Ai-je journalisé au moins 100 runs empiriques pour confirmer les taux publiés ?
- Ai-je vérifié les effets de réinitialisation de saison ou de minuteur de pitié ?
Suivez cela et vous calculerez la probabilité de niveau d’équipement de butin avec plus de précision que 90 % des publications de forum. Les maths ne sont pas magiques ; c’est une extraction disciplinée, des compléments honnêtes et le respect de la variance. Si vous voulez éviter la feuille manuelle, le Calculateur de probabilité de niveau d’équipement de butin encode chaque étape ci-dessus.