如何用专家级玩家计算新玩家的获胜概率

Question

假设我有一个在线游戏，用户可以在其中互相玩。我有球员名单，所有的球员归类为专家，平均，低于平均水平。一个新玩家想要玩这个游戏，系统会选择专家级玩家来对抗新玩家。新玩家获胜的概率是多少？

例如:专家玩家数据如下:总游戏数: 45，胜利: 30，平局: 10，失败:5

有没有可能在新玩家和专家玩家之间做概率？如果是，可以考虑哪些统计数据？

提前感谢

Answer 1

我将采用data的子集，它对应于expert 与游戏

• If有问题的专家有足够的数据(做一个binomial test来检查他的胜率是否具有统计学意义)，然后你就可以依靠他/她的数据了。例如，如果这位专家与普通玩家进行了100场比赛，并赢得了80场比赛，这是很重要的，你可以说他/她有80%的

获胜机会

如果专家没有足够的数据，你可以结合ALL

• If expert average vs.
  • If的数据来进行补偿，尽管这提出了另一个问题:如果我们认为没有足够的游戏来确定这一点，这个玩家是如何获得专家排名的？

我认为的主要问题是你将所有可能的技能水平降低到3 (专家vs.平均vs.低于平均水平)，而在现实中，可能会有更多的粒度来衡量人们是好是坏，因此你的模型可能过于简单了。引入更多级别将有助于解决这个问题(例如，5个级别对人们来说似乎不是太多，而且可能已经比3个级别表现得更好了)。或者，你也可以尝试基于更详细的属性来计算概率(例如胜率，用户玩游戏的天数，年龄，性别...)即使这只是你自己知道的事情(即玩家只看到n排名水平，但你有更详细的属性来进行计算)。