機台觀測數據
示範資料集 ・ 顯示的是我們會怎麼呈現觀測結果，不是我們建議你玩什麼
本頁目前顯示的是示範資料，不是真實觀測。
表格內容由 assets/app.js 內建的示範陣列產生，
下方「今日全站彙總」的每一個數字也是示範值。
我們還沒有任何生產環境的即時機台觀測。
這一頁展示的是資料到齊之後我們會怎麼呈現、以及我們會拒絕呈現什麼；
統計邏輯與版面是真的，數字不是。接上真實端點後會自動改用真實資料，
屆時本徽章會移除。
本表不提供排名，也不提供推薦分數。 我們刻意移除了這兩樣東西——因為在樣本不足的情況下排名，等於用雜訊排序。 你可以自己依樣本數或信賴區間寬度排序，但我們不會替你決定哪一台「值得玩」。
| 機台 | 遊戲 | 觀測 RTP | 信賴區間 | 樣本轉數 | 樣本充足度 | 統計結論 | 設定變更 |
|---|
這個 4.2% 是什麼意思？
在 2,596 台樣本充足的機台裡，只有 109 台的 RTP 在統計上真的偏離全體平均 （已用 Benjamini–Hochberg 校正多重比較）。
換句話說，約 95% 的機台之間，我們找不到可證實的差異。 任何宣稱「每天都能幫你選出最會出分的台」的服務，都必須先解釋這件事。
這些數字實際上會怎麼來
先講清楚現況：上表是示範資料，我們目前沒有接上任何真實機台來源， 也沒有任何平台的後台資料。以下是真實版本的取樣與計算流程。 寫在資料到齊之前，是為了讓你之後可以拿它來檢查我們有沒有做到。
- 取樣——固定間隔讀取公開可見的機台狀態 （累計投注、累計派彩、免遊觸發次數），逐台累加成時間序列。 我們拿到的是累計量的差分，不是每一局的明細。
- 觀測 RTP＝期間累計派彩 ÷ 期間累計投注。 這是觀測值，不是業者的設定值。兩者只有在樣本夠大時才會靠近， 而「夠大」在這個問題上是幾十萬轉起跳。
- 區間估計——免遊觸發是伯努利事件，用 Wilson score interval，
實作在
assets/hitrate.js，是全站真正出貨的統計程式。 RTP 的區間需要處理重尾分布，這部分尚未出貨； 上表的 RTP 區間是示範資料自帶的，不是我們算出來的。 - 多重比較校正——數千台同時和全體比較， 不校正的話光靠運氣就會冒出上百台「顯著」。所以要用 Benjamini–Hochberg 控制錯誤發現率，再決定哪些台真的有話可說。
為什麼多數機台看不出差異
單局派彩是重尾分布：絕大多數轉出 0，偶爾一次大額。 這種分布的平均數收斂得極慢——樣本要翻四倍，標準誤才減半。 結果就是一台機器得跑到幾十萬轉，它的 RTP 區間才會窄到能跟全體平均分開。
所以「大多數機台之間沒有可證實的差異」不是我們偷懶，是資料本身的性質。 任何宣稱能每天挑出會出分機台的服務，都得先解釋它是怎麼在同樣的樣本量下， 得到我們得不到的結論。相關的樣本需求對照見 遊戲觸發頻率，完整推導見 方法論。
怎麼正確解讀這張表
- 先看樣本轉數，再看 RTP。順序反過來，就是在讀雜訊。 一台只跑了幾千轉的機器，它的觀測 RTP 是 88% 還是 104%，幾乎只反映運氣。
- 信賴區間越寬，代表我們越不知道。 區間如果橫跨全體平均，正確的讀法是「無法區分」， 不是「差不多」，更不是「略高」。
- 觀測 RTP 偏高不代表下一局比較好。 RNG 每局獨立，過去的觀測值對下一局帶有零資訊。
- 「偵測到設定變更」是關於過去的陳述。 它代表業者在某個時間點調過參數，不代表你能預測接下來會發生什麼。
- 沒有任何一台的長期期望值是正的。 這張表能回答的最好情況，也只是「這台沒有比其他台更差」。