关于伤害浮动参数[0.85-1.15]的研究
本帖讨论的是，5扩M4A1 的 整体 伤害浮动参数。===由大佬们的文章得知，人形每次攻击时会有一个伤害浮动参数，范围为。
然而，这只是一个小人的伤害浮动参数。
那么5扩M4A1整体的伤害浮动参数又是怎么样的呢？这也是本帖讨论的目的。
由上面的图片得知，满扩M4A1，5个小人，每个小人的伤害浮动参数相互独立随机。
5个小人，5次随机，然后再求平均。得到整体的平均浮动参数，FD_Y。
FD_Y 大致满足，在正态分布。(应该叫正态分布吧哭笑)
我们用python代码，模拟1000万次人形攻击，整体的浮动参数FD_Y，再分析。
由上面的图片得知，整体的浮动参数FD_Y，满足在的正态分布，符合猜想。
那么下面分析一下概率。
下面是一些概率统计。
整体伤害参数
伤害浮动参数小于0.90的概率为：0.316%
(小于，计算0.90左边的面积)
伤害浮动参数小于0.91的概率为：0.799%
伤害浮动参数小于0.92的概率为：1.74%
伤害浮动参数小于0.93的概率为：3.385%
伤害浮动参数小于0.94的概率为：6.042%
伤害浮动参数小于0.95的概率为：9.955%
伤害浮动参数大于1.05的概率为：10.403%
(大于，计算右边面积)
伤害浮动参数在区间的概率大约为：79.642%
代码部分贴出，写的丑怕
*********************
import random
import matplotlib.pyplot as plt
A_list = []
for k_y in range(10000000): # 模拟1000万次，人形攻击的浮动参数
c = 0
for i in range(5):
i_x = random.uniform(0.85, 1.15)
c += i_x
k_x = c / 5
A_list.append(float('%.3f' % k_x)) # 保留3位小数，精度为三位小数，即0.851-0.852-0.853
# *************
x_list = []
y_list = []
k_x_01 = 0.849
for i in range(301):
k_x_01 += 0.001
x_list.append(float('%.3f' % k_x_01))
for j in x_list:
count = A_list.count(j)
y_list.append(count)
# 需要查询的数
print("===============")
cx = 0.95
print("{0}在列表中一共有{1}个。".format(cx, A_list.count(cx)))
# 计算一下小于CX的概率
gl_count = 0
cx_index = x_list.index(cx)
print("{0}在x_list中的索引值为:{1}".format(cx, cx_index))
for K in x_list:
count = A_list.count(K)
gl_count += count
gl_cx = (gl_count / 10000000)*100
print("随机浮动参数小于{0}的概率为：{1}%".format(cx, float('%.3f' % gl_cx)))
# 画图
plt.plot(x_list, y_list)
plt.show()
*******************************
代码缩进参照代码图片
-补充，每个小人依旧按照0.85-1.15的平均分布计算，计算护甲时独立。。。
队伍整体浮动参数，按照本贴的正态分布。。。
本贴是在，
人形每次攻击时会有一个伤害浮动参数，范围为。
这个结论正确的基础上进行的讨论。
若上面的结论不正确，本贴作废。
页:
[1]