2025년 2월 4일에 '피어나는 장비' 업데이트가 진행되어 실망한 모험가 분들이 많으실 텐데요,
저는 이러한 '확률 모델'의 변경에 있어 '독립시행'을 가정한 채 "수학적"으로 분석하고자 합니다.
또한, 독립시행을 가정한 각각의 시행(트라이 1회)은 항상 '성공'과 '실패' 중 하나만 발생되며,
특별한 말이 없는 경우 "맨 처음부터 시작해서 '필요한 성공 횟수'를 채울 때까지" 진행한다고 가정합니다.
상수 종류 | 상수의 의미 | 기존 모델 (1) | 신규 모델 (2) |
r | 필요한 '성공' 횟수 | r_1 (=5) | r_2 (=10) |
p | 1회 시도당 '성공' 확률 | p_1 (=0.03) | p_2 (=0.06) |
변수 종류 | 변수의 의미 | 범위 및 종류 | 기존 모델 (X) | 신규 모델 (Y) |
i | 처음 단계부터 시작해서 '성공' 횟수가 주어진 값이 되는 순간까지 발생한 '실패 횟수' | 0 이상의 정수 | i_X | i_Y |
P(i) | 장비 하나를 0강에서 r강까지 강화할 때 발생한 실패 횟수가 정확히 i일 확률 | 0 이상 1 이하의 실수 | P_X | P_Y |
C(i) | 장비 하나를 0강에서 r강까지 강화할 때 발생한 실패 횟수가 i 이하일 확률 | 0 이상 1 이하의 실수 | C_X | C_Y |
(1) 음이항분포(Negative Binomial Distribution)
이 글을 준비하면서, 이공계 대학생들이 확률론을 공부할 때 배우는 확률분포에 대해 몇 가지를 찾아 봤습니다.
이들 중에서 주어진 상황에 맞는 확률분포를 골라야 했는데, 다행히 '음이항분포'가 이에 딱 맞았습니다.
설명을 읽고 싶은 분들은 아래 링크를 따라 훑어 보시면 되겠습니다.
Python을 대학에서 배웠던 본인은 여기에서도 쓰게 될 것이라고 생각조차 하지 못했습니다.
다음과 같이 Code를 짜서 확률을 계산하고 그래프로 표현해 보려고 합니다.
가로축은 i의 값을 오름차순으로 나타낸 것이고, 세로축은 위에서부터 각각 P와 C의 값을 나타낸 것이며,
파란색 그래프는 업데이트 전의 결과를, 빨간색은 업데이트 후의 결과를 나타낸 것입니다.
그래프에 대한 해석은 수학적이지 않을 가능성이 커서, 여러분에게 맡기고자 합니다.
계산 과정이나 결과에 대하여 궁금한 내용이 있으시면, 댓글로 알려주시면 감사하겠습니다.