方法論
方法完整寫在這裡;程式哪些看得到、哪些還沒公開,第 7 節逐項標明。你可以拿去驗證,也可以拿去證明我們錯了。
先講最重要的:我們不預測單局結果。在各局結果獨立、機率固定,而且遊戲規則沒有寫明累積機制的遊戲中,這一局的結果不受前面各局影響。測試標準要求的就是這種設計:GLI 的線上博弈系統標準GLI-19(3.0 版,2020-07-17)第 4.5.2(d) 節規定,除非遊戲規則另有寫明,機會事件必須獨立,不得與同一局內或先前各局的其他事件相關;遊戲也不得依先前各局的得獎紀錄,調整 bonus/特色功能出現的機率。在這類遊戲上,「累積了很多局沒開就快出分了」是賭徒謬誤,任何以此為基礎的「蓄力係數」「爆分預測」在數學上都沒有依據。
沒有送測認證的平台實際怎麼決定結果,外人無從查核。本頁的區間估計也建立在同一個前提上:同一台機器、同一個設定下,每一轉的觸發機率固定,而且彼此獨立。
我們唯一嘗試回答的問題是:不同機台之間,是否存在可被觀測證實的設定差異?
更正說明(2026-10-21):本頁部分內容經查核後更正,包括:原本寫多重比較校正的「實作是 benjaminiHochberg()」,但目前沒有任何網站頁面或擴充程式的正式流程呼叫它,只有測試檔會呼叫,示範頁上「與全體有差異」的判定並沒有做多重比較校正;原本寫統計程式「全部是站上直接載入的檔案」,實際上沒有一支有獨立的檔案網址,有的只嵌在頁面原始碼裡,有的根本沒有放上網站;回測一段原本沒有寫明用的是程式產生的模擬資料。另有幾個算錯或沒有出處的數字。原本的說法、改成什麼與錯誤原因,登錄在更正紀錄。
1. 資料來源與取樣
以下描述的是設計,不是正在執行的系統。我們目前沒有在跑的生產環境取樣管線,也沒有累積中的真實快照。這一節寫的是資料到齊之後會怎麼做,先寫下來是為了讓它日後可以被檢驗。
規劃中的作法是以固定間隔輪詢各遊戲的公開大廳資料,記錄每台機的累計下注量與累計派彩量;預定取樣間隔 180 秒,原始快照全部保存以便回溯重算。
已知限制:我們觀測到的是聚合量而非逐局結果,因此轉數需由下注量推估,這個推估本身帶有誤差。誤差來源見第 5 節。
2. 區間估計:Wilson score interval
我們給的不是一個點,是一個區間。本站程式用的是Wilson score interval(assets/hitrate.js 的wilson()),用在免遊觸發率上:
p_hat = hits / spins
centre = (p_hat + z²/2n) / (1 + z²/n)
half = z/(1 + z²/n) · √( p_hat(1-p_hat)/n + z²/4n² )
CI_95 = [centre - half, centre + half] # z = 1.95996
# 再換算成玩家看得懂的單位:平均幾轉觸發一次
oneIn = 1 / p_hat
為什麼是 Wilson。免遊觸發可以當成伯努利事件:每一轉只有觸發或沒觸發。常態近似(Wald 區間)p̂ ± z√(p̂(1-p̂)/n) 在觸發次數很少時會給出負數的下界:照這條公式,只要觀察到的觸發次數少於 n·z²/(n + z²)(n 夠大時約 3.84 次),下界就是負數。以 1,000 轉為例,觀察到 1–3 次觸發時下界為負,4 次以上才是正數;0 次時區間則縮成 [0, 0] 一個點。同樣是 1,000 轉,若觀察到的觸發率是 1/180,下界約 0.095%,仍是正數——會不會出現負下界,要看觸發次數,不只看觸發率。
另外,Wald 區間的實際覆蓋率不穩定,可能低於名目的 95%。Brown、Cai 與 DasGupta 比較多種二項比例區間後,建議小樣本用 Wilson 區間或 Jeffreys 區間(Statistical Science 16(2):101–133,2001)。 Wilson 是把區間解成二次式得到的,下界恆 ≥ 0、上界恆 ≤ 1。它是閉式解,不需要重抽樣,每次頁面載入都能即時重算——對一個要你自己驗證的站來說,這比 bootstrap 實際。
樣本充足度:看區間寬度,不看轉數
判準不是「跑滿幾轉」,而是區間相對於點估計有多寬。這是過去大廳、今日、遊戲各頁呼叫的 rateTier()(這幾頁顯示的是示範資料,已在 2026-10-23 下架),頁面上「樣本充足/不足」的徽章就是它回傳的:
rel = (oneInHi - oneInLo) / (2 · oneIn)
rel <= 0.25 → 樣本充足(可下結論)
rel <= 0.50 → 樣本不足(顯示,但不做推論)
其餘,或 hits < 5 → 嚴重不足(不予評分)
±25% 與 ±50% 是本站自訂的判定標準,不是外部規範。用相對寬度而不是固定轉數門檻,是因為越稀有的觸發需要越多轉才能達到同樣精度。照 rateTier() 的算法,相對寬度要降到 25% 以下,大約要觀察到 63 次觸發:若觸發率是 1/180(假設值,不是任何真實機台的觀測),約需 1.1 萬轉(把「轉數 ÷ 180,四捨五入」當作觀察到的觸發次數,11,250 轉、63 次時跨過門檻);觸發率降到 1/400,就要約 2.5 萬轉。spinsNeeded(p, rel) 用常態近似估所需轉數,1/180、±25% 時算出 11,002 轉;它和 rateTier() 量的尺度不同,所以兩個數字差一點。同一個固定門檻套在所有機台上,對稀有觸發是太鬆,對常見觸發是太嚴。
為什麼 RTP 沒有樣本充足門檻
因為我們沒有可靠的依據替它訂門檻。RTP 估計值的 95% 區間半寬約為z × c × RTP ÷ √n,其中 c 是每轉派彩的變異係數(標準差 ÷ 平均派彩),由各遊戲的獎項表與各獎項機率決定,我們沒有可以引用的數值。本站程式(extension/lib/stats.js 的 rtpInterval())在沒有實際派彩變異數時,會退回一個寫死的預設值 c = 6.5,這個值沒有出處。只把它當假設來算:RTP 96% 時,要讓半寬縮到 1 個百分點約需 150 萬轉;c 只有一半時約 37 萬轉,大一倍時約 600 萬轉(算法見平台說 RTP 96%,你要怎麼驗證)。所需轉數跟著 c 的平方變,而 c 我們不知道,所以不訂門檻。
RTP 的點估計可以算(期間累計派彩 ÷ 累計投注),但我們不用 RTP 去下「這台比較好」的結論。觸發是 0/1 事件,區間只由觸發次數與轉數決定,不需要另外假設變異係數,判準就建立在它上面。
這一節先前寫的是「bootstrap 重抽樣(B=10000, BCa)」與「n ≥ 30,000 轉為充足」。兩者都不是實際出貨的東西:站上沒有任何 bootstrap 實作,門檻也不是轉數。已依實際程式碼改寫。之後的版本又寫了「觸發率約 0.4%–1%」「變異係數約 6.5」「每側約需 60 萬轉」:前兩個數字沒有出處,60 萬轉的來源見第 4 節最後的說明,已改寫。
3. 差異檢定與多重比較校正
這一步目前沒有接上。
Benjamini–Hochberg 校正寫在 extension/lib/stats.js 的benjaminiHochberg(),但目前沒有任何頁面、也沒有擴充程式本身呼叫它(只有一支沒有公開的測試檔會呼叫)。過去的大廳與今日結論頁(示範資料,已下架)判斷一台機「與全體有差異」的方式,是看它的 Wilson 區間有沒有涵蓋全體觸發率,沒有做多重比較校正。下面寫的是校正應該怎麼接,不是已經在跑的流程。
檢定每台機是否偏離全體分布。若同時檢定多台機器,就必須校正多重比較,否則光靠運氣就會產生「顯著」結果。benjaminiHochberg() 的行為是:輸入每台機的 p 值,回傳一個同樣長度的布林陣列,true 代表照 Benjamini–Hochberg 程序(α = 0.05)判為顯著;它不回傳校正後的 p 值。
p_i = 各台對全體的雙尾 p 值 # 例如 hitrate.js 的 vsPool() 回傳的 pValue
significant = benjaminiHochberg(p_all, alpha=0.05) # 布林陣列,不是校正後的 p 值
verdict_i = "顯著" if significant[i] else "無顯著差異"
不校正會怎樣,是純算術:如果所有機台其實都沒有差異,在 α = 0.05 下逐台檢定、不做校正,期望會有約 5% 的機台被標成「顯著」。一次檢定 2,000 台,期望就是約 100 台。也就是說,不需要任何真實的設定差異,也能從隨機波動裡排出一份「今日前五名」。
4. 設定變更偵測
我們認為這是有統計基礎、對玩家也有意義的訊號。它回答的是「這台的產出分布在某個時間點發生了結構性改變嗎」,不是「下一局會不會開」。這是兩個完全不同的問題。實作是 extension/lib/stats.js 的detectChangepoint()(這支程式還沒公開,見第 7 節):
# 1. 把累計快照轉成每段增量
# 投注或轉數增量 ≤ 0、或派彩增量 < 0(維護斷點、計數器歸零)→ 這一段丟棄
# 2. 單一切點掃描:掃過每個候選切點,算前後兩段的 RTP
# (binary segmentation 的第一步;目前只找一個切點,沒有往下遞迴)
# 3. 兩樣本 z 檢定,取 |z| 最大的切點為候選變更點
# 兩側標準誤 = c × 該側 RTP ÷ √該側轉數,c 用假設值 6.5
# 4. 校正「掃描」本身:p_adj = min(1, p_raw × 切點數)(Bonferroni)
# 切點數 = 增量段數 − 1,包括因轉數不足而略過的切點
# 5. confirmed = p_adj < alpha
minSpinsPerSide = 6000 # 兩側各自的最低轉數;沒有任何切點兩側都達標時回傳 null
alpha = 0.01
第 1 步不是細節。伺服器維護或計數器重置會讓累計值產生負增量或歸零。若不丟棄這種段落,負的增量會被算進前後兩段的累計投注與派彩,扭曲兩邊的 RTP,缺口所在的時點就可能被選成 |z| 最大的候選切點,把維護時間誤報成設定變更。所以丟棄斷點段落是這支函式做的第一件事。
第 4 步校正的是掃描本身。掃 N 個候選切點,等於做了 N 次檢定。不校正的話,序列切得越細、候選切點越多,純隨機的序列也越容易被報出「變更點」。
回傳候選點不等於確認變更。有效資料段足夠,且至少有一個切點通過兩側轉數與標準誤檢查時,這支函式才會回傳 |z| 最大的那個候選切點(否則回傳空值),連同 pRaw、pAdj 與 confirmed;只有 confirmed 為 true 才算確認了變更。minSpinsPerSide = 6000 只是「能不能跑」的下限,不是「能不能確認」的門檻。能不能確認,取決於變更幅度、兩側轉數、候選切點數與假設的 c。兩側轉數相同時,要讓 z 值剛好達到確認門檻,每側大約需要:
n ≈ ( z* × c × √(RTP前² + RTP後²) ÷ |RTP後 − RTP前| )²
z* = 讓 p_raw × 切點數 = alpha 的 |z|
舉例(全部是假設):序列切成 40 段(39 個候選切點)時 z* ≈ 3.66;c = 6.5、RTP 從 97% 變成 92%,每側約需 40 萬轉。這是沒有抽樣波動時剛好達標的轉數;真實序列有波動,達到這個轉數也不保證確認。在沒有真實資料之前,我們說不出它在真實機台上多常確認變更。
這一節先前寫「要確認 5 個百分點的 RTP 變更每側約需 60 萬轉」。那是本站一支沒有公開的測試程式,用程式產生、沒有抽樣波動的序列,在上例同樣的條件下,測到「每側 60 萬轉可以確認」的結果;照同一支函式,同樣條件下每側約 40.4 萬轉就跨過門檻。它還依賴沒有出處的 c = 6.5,不是通用門檻,已改成上面的公式。
5. 已知誤差來源
- 轉數推估誤差:由下注量反推轉數需假設每局注額,注額變動會造成偏差。偏差有多大取決於注額變動的幅度,在有真實快照之前,我們無法估計。
- 取樣斷點:伺服器維護造成的資料缺口,是設定變更偵測的偽陽性來源之一。目前的處理方式見第 4 節第 1 步,仍非完美——它只丟得掉在累計值上留下負增量或零增量的缺口。
- 倖存者偏差:被下架或重編號的機台會從資料中消失,可能使整體平均偏高。
- 非隨機曝光:熱門機台樣本累積快,冷門機台可能長期達不到門檻。這是結構性限制,無法完全修正。
6. 回測:我們做到哪裡
前瞻回測——把當時的結論凍結,之後回頭看實際表現——是檢驗一套方法有沒有預測力的做法。我們也認為,公布失準的期間比公布漂亮的期間更有價值。
但我們目前只完成過一次前瞻回測,用的是程式產生的模擬資料,驗的也不是我們自己的結論。我們沒有逐月的命中率紀錄可以公布,這一頁在做出來之前也不會放數字。等到有,會連同失準的期間一起放在這裡。
已完成的那一次,驗的是一個叫「爆分潛力值」的選台分數。依我們程式註解的紀錄,它的規則是從一款選台外掛的教學頁記下來的,但當時沒有留下網址或存檔,現在也找不到可以公開核對的版本;我們照這份紀錄把公式寫成程式,三項權重是推估的。我們把它放到程式產生的 500 萬轉模擬資料上(每局觸發機率固定 1/128,約 0.78%,各局獨立;不是真實機台紀錄),把每一轉按「當下已經幾轉沒開」分組,比對各組下一轉的觸發率;再把分數分成四個潛力帶,比對各帶未來 50 轉內觸發的比例。
結果:各組下一轉的觸發率都在 0.78%–0.79%。四個潛力帶未來 50 轉內觸發的比例是 32.48%(極高潛力)、32.50%(高)、32.79%(中)、32.66%(低),一組與資料無關的隨機分數照同樣門檻分帶後是 32.59%–32.62%,理論基準是 1 − (127/128)50 ≈ 32.44%。八個數字最大差距 0.31 個百分點,都在基準附近;這組資料的未來觸發在設計上與過去無關,這些高低是抽樣波動。在這組模擬資料上,那個分數對未來沒有預測力。這組資料本身就是照「每局獨立」產生的,所以它示範的是「如果遊戲每局獨立,這個分數會怎樣」,不是對任何真實機台的檢驗。完整方法、程式全文與圖表見爆分潛力值準嗎?我們復現公式、用 500 萬轉模擬資料來驗。
要對我們自己的設定變更偵測做同等級的驗證,需要的是同一批機台的長期真實序列,而不是模擬序列。這件事還沒有做:我們目前沒有任何真實序列(見第 1 節)。在做完之前,任何「我們的偵測有多準」的說法都沒有證據支撐,包括從我們嘴裡說出來的。
而且要先講清楚:就算哪天這裡出現漂亮的命中率,也不代表你玩了會贏。「這台設定較好」與「你這一趟會賺錢」是兩件事。前者是統計推論,後者受期望值支配——只要 RTP 低於 100%,期望值就是負的。
7. 原始碼
統計的部分沒有藏起來,但目前沒有一支程式有獨立、可直接開啟的檔案網址(2026-10-21 查核時,下列路徑在網站上都回 404)。能看到程式的方式分成三種,下面逐項標明:全文附錄(全文貼在某一頁的文末)、部分節錄(只節錄本站引用到的函式)、尚未公開。過去還有第四種「頁內嵌入」(以行內腳本嵌在示範資料頁裡),那些頁面已在 2026-10-23 下架,所以這一種目前沒有。我們希望有人拿它來反駁我們。
assets/hitrate.js— 觸發頻率估計。Wilson 區間、樣本充足度判定(rateTier)、所需樣本量(spinsNeeded)、兩樣本 z 檢定(compareRates)與對全體比較(vsPool)。部分節錄:本站引用到的函式逐字節錄在RTP 驗證頁的程式原文,全文沒有公開(原本嵌入在幾個使用示範資料的頁面,這些頁面已在 2026-10-23 下架)。測試檔tools/hitrate_test.html共 25 項斷言,其中一項專門檢查沒有匯出任何預測/連莊評分函式;這個測試檔尚未公開。assets/rating.js— 娛樂城與遊戲評分。資料不足回null而不是編一個數字;用 Wilson 下界懲罰小樣本;總評取最弱的關鍵維度而非平均。尚未公開:原本嵌入在兩個使用示範資料的評測頁,那兩頁已在 2026-10-23 下架,目前站上沒有公開副本。測試檔tools/rating_test.html共 29 項斷言,其中一項專門檢查沒有匯出任何聯盟/分潤相關函式;這個測試檔尚未公開。assets/rivalscore.js— 「爆分潛力值」公式的復現,以及一組與資料無關的隨機分數對照組。這是照我們記下的規則重建的近似,不是原工具的原始碼,權重是我們推估的。全文附錄:連同回測程式附在爆分潛力值檢驗頁的文末。目前尚無對應的測試檔。extension/lib/stats.js— 設定變更偵測(detectChangepoint)、RTP 區間(rtpInterval)與 Benjamini–Hochberg 校正,見第 2–4 節。尚未公開:這支程式和它所屬的瀏覽器擴充都沒有放上網站,第 3、4 節的描述,讀者目前無法對照原始碼核對。
這一節先前列出 oddslab/estimator、oddslab/changepoint、oddslab/backtest三個「MIT 授權 repo」。那三個 repo 不存在,我們也還沒發過授權聲明。之後改列實際使用的程式檔時,又寫成「全部是站上直接載入的檔案,你可以在瀏覽器裡打開來看」,這也不對:沒有一支有獨立的檔案網址,stats.js 與兩個測試檔根本沒有放上網站。已改成逐項標明。