联机游戏玩家卡顿概率分析

【数据分析案例】使用机器学习做游戏留存数据挖掘的一种尝试 案例来源:@深极智能案例地址:https://zhuanlan.zhihu.com/p/312135531. 目标:针对K游戏数据,预测玩家留存情况,并找出影响留存的因素2. 数据:玩家id,动作,动作时间戳,玩家关键属性(金币、装备、等级等)3. 数据清洗:1)剔除操作数<16的玩家,这类对游戏题材不感兴趣,非目标用户2)剔除冷门动作信息(在这里绝大部分冷门动作信息是玩家固有的聊天动作)4... 阅读详情

比较联机游戏不同玩家数量时的,卡顿概率。
比如六人联机卡顿概率是三人联机的几倍(其实这是我思考这个问题的出发点。

问题简化:

假设一个玩家网络卡顿的概率为p, 且0<=p<=1。
那么n个玩家联机打一局游戏,遇到卡顿的概率是多少?

说明1:只要有一个玩家卡顿就算这局游戏卡顿。
说明2: n>=2,因为一人单机不用联网。

分析与求解

直接去计算卡顿是很麻烦的,
因为要考虑多种情况:

  • 1个玩家卡顿
  • 2个玩家卡顿
    …
  • n个玩家卡顿

正难则反

我们从该问题的反向情况思考,
即没有玩家卡顿的概率是多少,再用1一减。

那么就很简单,一个玩家不卡顿的概率是1−p1-p1−p,
n个玩家都不卡顿的概率是(1−p)n(1-p)^n(1−p)n

所以遇到卡顿的概率如下
P=1−(1−p)nP = 1 - (1-p)^nP=1−(1−p)n

这个展开写的话,有点麻烦了,就不详细展开了。

接下来我们要探究的是不同人数的卡顿概率问题

深入探究

总体数据变化

对于固定的n,这个最终结果受到变量p的影响。
把这个写成函数形式如下

Pn(p)=1−(1−p)nP_n(p) = 1 - (1-p)^nPn​(p)=1−(1−p)n

那么n取2,3,4,5,6时,对应的函数如下
P2(p)=1−(1−p)2P3(p)=1−(1−p)3P4(p)=1−(1−p)4P5(p)=1−(1−p)5P6(p)=1−(1−p)6 P_2(p) = 1 - (1-p)^2\\ P_3(p) = 1 - (1-p)^3\\ P_4(p) = 1 - (1-p)^4\\ P_5(p) = 1 - (1-p)^5\\ P_6(p) = 1 - (1-p)^6\\ P2​(p)=1−(1−p)2P3​(p)=1−(1−p)3P4​(p)=1−(1−p)4P5​(p)=1−(1−p)5P6​(p)=1−(1−p)6

我们首先看下,n在这些值时,
PnP_nPn​与变量p的变化关系。

不同n值的差别在p比较小的时候很明显,但是差距好像也不是很大,起码比我预想中的要小。
以p=0.1为例,

P2=0.19P3=0.27P4=0.34P5=0.41P6=0.47 P_2 = 0.19 \\ P_3 = 0.27 \\ P_4 = 0.34 \\ P_5 = 0.41 \\ P_6 = 0.47 P2​=0.19P3​=0.27P4​=0.34P5​=0.41P6​=0.47

P6P_6P6​约是P2P_2P2​的2.5倍左右

不过数据比例关系在这个图中感觉还是不够直观,尤其是p<0.1时,太小看不清。

6v3

下面专门来看看六玩家卡顿概率是三玩家卡顿概率的多少倍。

M6−3=P6(p)P3(p)=1−(1−p)61−(1−p)3=(1−(1−p)3)(1+(1−p)3)1−(1−p)3平方差公式=(1+(1−p)3) \begin{aligned} M_{6-3} &= \frac {P_6(p)} {P_3(p)} = \frac {1 - (1-p)^6} {1 - (1-p)^3} \\ &= \frac {(1 - (1-p)^3)(1 + (1-p)^3)} {1 - (1-p)^3} &\text{平方差公式}\\ &= (1 + (1-p)^3) \end{aligned} M6−3​​=P3​(p)P6​(p)​=1−(1−p)31−(1−p)6​=1−(1−p)3(1−(1−p)3)(1+(1−p)3)​=(1+(1−p)3)​平方差公式​

由于0<p<1,所以
这个倍数关系范围在1-2之间,
具体如下图

6v2

再来看看六玩家卡顿概率是二玩家卡顿概率的多少倍。
M6−2=P6(p)P2(p)=1−(1−p)61−(1−p)2=(1−(1−p)2)(1+(1−p)2+(1−p)4)1−(1−p)2立方差公式=1+(1−p)2+(1−p)4 \begin{aligned} M_{6-2} &= \frac {P_6(p)} {P_2(p)} = \frac {1 - (1-p)^6} {1 - (1-p)^2}\\ &= \frac {(1 - (1-p)^2)(1 + (1-p)^2 + (1-p)^4 )} {1 - (1-p)^2} &\text{立方差公式} \\ &= 1 + (1-p)^2 + (1-p)^4 \end{aligned} M6−2​​=P2​(p)P6​(p)​=1−(1−p)21−(1−p)6​=1−(1−p)2(1−(1−p)2)(1+(1−p)2+(1−p)4)​=1+(1−p)2+(1−p)4​立方差公式​

由于0<p<1,所以
这个倍数关系范围在1-3之间,
其图像如下

结论

  • 6玩家卡顿概率,最多是3玩家卡顿概率的两倍
  • 6玩家卡顿概率,最多是2玩家卡顿概率的3倍

由于p=0时,P都为0, 所以实际上最大值达不到。

视频码率/分辨率/卡顿的计算方法参考 视频码率/分辨率/卡顿,计算方法,详细说明,还列举啦一个列子 立即下载

相关推荐

SpringBoot+Vue+Mysql社区医院信息平台(源码+文档)

SpringBoot+Vue+Mysql学生宿舍信息管理系统 WEB端软件项目(源码+文档) 项目包含:①完整源码(后端+管理后台+用户前台);②数据库脚本文件;③万字论文文档;④开题报告;⑤答辩PPT;⑥项目运行视频教程。 项目架构: B/S 架构、MVC 分层设计 技术栈: Java、MySQL、SpringBoot、MyBatis-Plus、Token 权限校验、管理后台 Vue+ElementUI+ECharts、用户前台 Layui+jQuery、Maven 构建。 一、角色设计 学生用户: 注册登录、浏览宿舍信息、查询宿舍安排、在线报修、缴费查询、失物招领、桶装水预订、评论交流、收藏等。 商家用户: 注册登录、桶装水品牌与商品信息维护、预订订单查看与处理。 维修人员: 注册登录、查看待处理报修、接单维修、填写报修处理结果与进度反馈。 管理员: 学生管理、班级管理、宿舍信息管理、宿舍安排管理、报修处理管理、缴费信息管理、卫生检查与文明宿舍管理、失物招领管理、桶装水与商家管理、维修人员管理、公告资讯与轮播图管理等。 二、前台功能模块(学生端) 1. 首页展示:轮播图、宿舍公告、最新动态推荐、常用服务快速入口 2. 宿舍信息模块:宿舍列表、楼栋与房间条件筛选、宿舍详情查看、我的宿舍安排查询 3. 在线报修模块:在线提交宿舍设施报修申请、上传故障描述、查看报修进度与维修处理结果 4. 缴费模块:水电等缴费记录查询、缴费状态查看 5. 卫生检查与文明宿舍:宿舍卫生检查结果公示、文明宿舍展示 6. 失物招领模块:失物信息发布、招领信息发布、详情查看、评论互动 7. 桶装水预订:桶装水品牌与商品浏览、在线预订、我的预订记录查询 8. 假期留宿:假期留校申请提交、申请记录查询 9. 评论与收藏:信息评论、查看他人评论、评论回复互动、收藏感兴趣的内容 10. 个人中心...

性能测试:游戏Jank卡顿及卡顿率

文章目录一、FrameTime1 FrameTime 的定义2 FrameTime和卡顿的关联二、FPS1 FPS的定义2 FPS帧率与卡顿的关系2.1 iOS端2.2 Android端三、流畅度1、视觉惯性2、电影帧四、PerfDog-Jank1 PerfDog Jank 计算思路2 PerfDog Jank计算方法五、PerfDog-Stutter(卡顿率)1 PerfDog Stutter 定义2 PerfDog Stutter计算思路:3 APP和游戏到底需不需要关注Jank卡顿及卡顿率 一、Fra

linxinfa的专栏 1万+

YOLOv8作物病害检测实战源码

这是一套基于YOLOv8n的农田病虫害目标检测系统,对叶片照片做目标检测,识别健康叶片、褐斑病、白粉病、锈病四类,并给出对应防治建议。全流程纯CPU可跑,配套交付完整Python源码、9章实战教程(md/html/pdf三种格式)、100张自造样本及YOLO标签、训练曲线与混淆矩阵截图、Tkinter界面和答辩PPT。 系统围绕五项功能展开:同一套推理逻辑覆盖图像、视频、摄像头三种来源;图形界面选文件即检测,画面叠彩色框标注病名与置信度,右侧面板同步给出症状与防治措施;检测记录自动写入CSV,统计页一键生成四类病害占比饼图;训练结束自动产出损失与精度曲线;内置防治建议文案库,检测命中即回填面板。 选型用YOLOv8n nano档,参数量约320万、权重约6.2MB,CPU单帧几十毫秒,小样本训练5到8分钟完成。数据由data_gen.py程序化绘制100张叶片图,固定随机种子,重跑分布一致,不依赖公开数据集。依赖全部锁版本,教程第7章整理了19条真实报错及排查方法,第8章给出换模型档、换PlantVillage数据集的迁移路径。 适合做计算机视觉方向课程设计或毕业设计的学生,也适合智慧农业方向想了解检测模型如何落进业务面板的学习者。不需要GPU,不需要系统学过目标检测,教程第3章会按需补齐原理。 使用时先pip install -r requirements.txt装好依赖,download_data.py下载预训练权重,data_gen.py生成样本后train.py训练,完成后用main.py infer批量检测或main.py gui启动界面。

产业园区运营负责人如何利用数智工具提升园区企业的技术对接效率?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

数据挖掘实战:决策树 + 聚类 + 关联规则,零 Key 离线可跑(Python 源码)

数据挖掘实战包。用 Python 标准库实现 CART 风格决策树、K-Means 聚类与 Apriori 关联规则,在虚构「星河便利店」会员表和购物篮上跑通分类、分群与购物篮分析,并给出准确率、轮廓系数、支持度/置信度/提升度。零第三方依赖、零 API Key 即可离线跑通。含 4 个样例、离线冒烟、中文 README(含「使用方法」)。均为作者原创可运行源码。MIT。作者 blog.youkuaiyun.com/mtl1994

科技中介服务机构在技术供需对接中如何实现服务流程的自动化与标准化?.docx

科技中介服务机构在技术供需对接中如何实现服务流程的自动化与标准化?

ICD10 openGauss版

ICD10 openGauss版

产业园区如何高效对接企业技术需求与高校科研成果?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

产业园区运营负责人如何利用平台实现企业创新需求的精准分析与服务推送?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

国央企创新负责人如何快速掌握本地科技资源分布与匹配情况?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

国央企创新负责人如何实现科技成果的精准识别与高效筛选?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

高校技术转移办公室人员在推动成果转化落地过程中,如何实现科技成果的高效推介与价值评估?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

高校技术转移办公室人员如何系统化管理科技成果信息?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

科技中介服务机构如何通过数智工具提升技术需求挖掘的精准度?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

科技中介服务机构如何构建标准化、模块化的智能服务工具?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

fab-pm-optimizer-python-entry-py39-20261021-v1-1-0

fab-pm-optimizer-python-entry-py39-20261021-v1-1-0

政府科技管理者如何在政策支持中更精准地识别和支持高价值科技项目?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

PSIM-三相维也纳VIENNA整流器电压电流双闭环+中点电位平衡SVPWM控制仿真

内容概要:本文档详细介绍了一种基于PSIM软件实现的三相维也纳(VIENNA)整流器仿真模型,重点实现了电压电流双闭环控制与中点电位平衡的SVPWM调制策略。该仿真系统通过精确的控制算法有效提升了整流器的功率因数,降低了输入电流谐波含量,并解决了三电平拓扑中常见的直流侧中点电位偏移问题,具有较高的工程实用价值,适用于高效率、高功率密度的电力电子系统设计与科研验证。文档还整合了丰富的配套资源,涵盖多种电力电子变换器拓扑结构、先进控制算法及典型应用场景,形成了系统化的技术资料体系,有助于深入理解现代整流技术的核心原理与发展动态。; 适合人群:面向从事电力电子、电气工程、新能源变换系统等领域的科研人员、高校研究生以及具备一定仿真基础的工程技术人员。; 使用场景及目标:①深入研究三相VIENNA整流器的工作机理与控制特性;②掌握电压外环、电流内环双闭环控制结构的设计方法;③理解并实现SVPWM调制技术与中点电位平衡控制策略的协同作用;④开展相关控制算法的仿真验证、性能优化与实验对比,为高性能整流装置的研发提供理论支撑和技术原型。; 阅读建议:建议结合文中列出的其他仿真案例(如PWM整流器、LLC谐振变换器、DAB变换器等)进行横向对比学习,充分利用所提供的PSIM、MATLAB/Simulink等多平台仿真资源,重点关注控制逻辑与主电路的耦合关系,通过参数调试与波形分析深化对系统动态响应和稳态性能的理解,强化“理论—建模—仿真—优化”的闭环研究能力。

上一篇: python从入门到撩妹 2 —— 30行代码实现520小彩蛋
下一篇: 【大爽python算法】递归算法进化之回溯算法(backtracking)
大爽歌
博客等级 码龄9年 422粉丝 92原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值