이번 이벤트에서, 
레범몬1000마리 잡으면 
노란보따리(100%)
빨간보따리(확률성) 보상을 얻을 수 있는데

이벤트기간은 매주 5회씩 5주이며 품목별로 25회를 도전할 수 있다.

노란 보따리(100%보상)는 쉽게 기댓값을 구할 수 있으니
빨간 보따리(확률성보상)로 얻을 수 있는 아이템갯수를
충분히 큰수인 10만회를 돌려서 결과를 얻어보았다.

간단히 코드 몇줄 쓰면 시뮬레이션을 돌릴 수 있다.
지금부터 노란보따리, 빨간보따리로 줄여서 부르겠다.

0. 그래프 설명
막대그래프: 빨간보따리를 25회 보낸 시행을 10만회를 돌린 시뮬레이션의 결과를 쌓은 것
검정색 줄: 노란 보따리로 모두 보냈을 때의 기대값
빨간색 줄: 빨간 보따리로 얻을 수 있는 보상의 기댓값(평균)이다.


1. 익성비 (3개 vs 0/5/10개)

전형적인 정규분포모양의 그래프가 만들어졌다.
1회당 얻을 수있는
빨간보따리와 노란보따리 평균이 같고, 실제 수학적 확률도 둘다 3으로 같다.




2. 검환불 (2개 vs 0/3/8개)

근소하지만 오른쪽으로 치우쳐있다.
검환불은 빨간보따리의 기댓값이 좀 더 크다.

실제로 수학적 확률로 비교했을때도
노란보따리: 2
빨간보따리: 2.1
로 근소하게 높다.


3. 명예훈장 (4개 vs 0/6/15개)

명예훈장은 왼쪽으로 쏠린 그래프가 만들어졌다.
노란보따리 보상이 일반적으로 더 높은 결과를 가져다 준다.
수학적 확률은, 노랑4vs빨강4.05로 노랑이 조금 더 높지만
다른 것들에 비해 편차가 너무 커서 그런듯



4. 어센틱/코잼 (6개 vs 0/10/20개)


명예훈장보다 더 심하게 왼쪽으로 치우친 그래프가 만들어졌다.
이건 어지간하면 노란보따리만 보내는게 좋아보인다.
수학적 확률은 노랑6, 빨강6으로 똑같다.



 


네줄요약
1. 익성비: 그냥 무난한 정규분포임. 
빨강이나 노랑이나 크게 차이없을것.

2. 검환: 근소하게 빨간보따리가 좋음

3. 명훈,어센틱,코잼: 어지간하면 노란보따리가 좋음
특히 어센틱은 매우매우 편차가 심함

4. 다만 게임은 재밌으라고 하는것이므로 
안정적인 이익을 볼지 도박을 즐길지는 알아서 결정할 것.



코드:
import random
import numpy as np
import matplotlib.pyplot as plt

# 시뮬레이션 횟수
simulations = 100000
# 결과 저장 리스트
results = []
cases={'익성비':[0,5,10,3],'검환':[0,3,8,2],'명훈':[0,6,15,4],'어센틱,코잼':[0,10,20,6]}

for name,case in cases.items():
    for _ in range(simulations):
        # 25회 시행
        trials = []
        
        for _ in range(25):
            
            trial = random.choices(case[:-1], weights=[0.55, 0.30, 0.15])[0]
            trials.append(trial)
        
        # 합을 계산하고 결과 리스트에 추가
        total = sum(trials)
        results.append(total)

    zzolbo= case[-1]*25
    # 결과를 정렬
    results.sort()
    results_np= np.array(results)
    print('아이템명:',name)

    for i in range(1,10):
        q = np.percentile(results_np, i*10)
        print(f'상위{i*10}%:',round(q,2) ) 
    print('평균:',round(results_np.mean(),2))
    print('')    
    print('100%몰빵:',zzolbo)

    plt.hist(results_np, bins=10,alpha=0.3, range=[results_np.min(),results_np.max()])
    plt.axvline(zzolbo, color='black',alpha=0.5, label='100%')
    plt.axvline(round(results_np.mean(),2), alpha=0.5, color='r', label='mean')
    plt.legend()
    plt.xlabel('get_item')
    plt.ylabel('case')
    plt.show()




정말 미안합니다.
대부분 정규분포였으며
코드 중 뭔가 잘못이 있었습니다.
그래도 검환은 약간빨강이 더좋습니다.

#한줄요약
그게 그거니까 빨강에 다 넣어보자