数学期望不适用抽卡！ 数学期望不适用抽卡！ 数学期望不适用抽卡！

重要的事说三遍。

最近由于《终末地》即将开服，卡池机制相关话题讨论度非常高。然而，不少分析存在一个普遍问题：过度依赖“数学期望”进行推断。作为一名数学专业的逃兵，我想就此谈谈自己的看法。

首先必须指出一个可能有些尖锐的观点：大多数人对《概率论》的理解并不深入。这其实很正常——并非所有人都在大学阶段修读过《概率论与数理统计》，即便学过，也有不少人未能真正理解。而义务教育与高中阶段所教的，仅仅是《概率论》的皮毛。因此，我们不必嘲讽他人“不懂概率”，因为你我也未必透彻。

注：笔者也只是概率论的普通学习者（当年70多分飘过），以下内容仅供参考，欢迎理性讨论。

一、为什么数学期望不适用于个体抽卡？

数学期望建立在 “大数定律” 之上，其成立前提是 试验次数趋于无穷。对于个体而言，抽卡次数有限，符合期望反而成为偶然性极大的事件。

举例说明：

投一枚均匀硬币，正面+1，反面为0，正反概率各50%。 投掷10次，结果恰好为5次正面的概率是多少？

答案约为 24.61%。

再看一个更极端的例子： 仍投掷均匀硬币，请问需要投多少次，才能以 99.95% 以上的概率，使正反比例与期望的偏差小于 0.5%？

答案是：约12万次。

这便解释了在实际抽卡中，不同玩家之间为何会产生显著的“欧非差距”——个体体验与数学期望往往相距甚远。

二、数学期望无法描绘概率分布全貌

数学期望只是概率分布的一个数字特征，远不能完整反映分布形态。即便结合方差使用，仍难以判断一个分布的“好坏”。

热门案例：抽小球实验

• 方案A：1%概率抽100次

• 方案B：10%概率抽10次

而两个方案之间

两种方案的期望相同，但方差不同。若仅从方差看，似乎A方案更稳。

然而若考察至少抽中一个的概率，则B方案明显更优；若追求更高上限（多抽中几个），则A方案潜力更大。

因此，一个概率分布“好”或“不好”，既依赖于数据分析，也受主观目标影响。

三、应该如何分析抽卡概率？

关键在于查看 概率分布图，观察分布的偏向、高峰位置以及密集区间。再结合以下几类指标，进行综合判断：

• 平均值（数学期望）

• 中位数（50%分位数，P50）

• 70%分位数（P70）、90%分位数（P90）

这些分位数能够较好反映抽卡体验：数值越大，抽卡体验通常越差；分位数之间的差异则体现分布是“均匀”还是“集中”。

此外，还有一个实用工具： HDI（Highest Density Interval，最高密度区间），即在给定概率下最短的区间范围，能够更直观展示主要概率集中区域。限于篇幅，此处仅作启发式介绍。

最后的话

关于更有深度的概率分析工具，笔者也只能坦言才疏学浅，上述内容仅作抛砖引玉。若希望进一步探索，建议请教专业的统计学研究者或数据分析师。

理性看待概率，清醒对待抽卡，或许才是享受游戏的最佳方式。

本文基于概率论基础原理与常见误区进行讲解，旨在提供分析思路，不针对任何具体游戏。