食い延ばし
食い延ばしという技術がある
愚形複合ターツから鳴いて待ちを良くするアレである
ex. 34568から25チーでカン4から47待ちに変える、みたいな
ある程度麻雀に慣れてくると自分がなんの牌で食い延ばすべきかは分かってくるものである
重要なのは他家の食い延ばしを見破ることである
これについてはググってもそんなにヒットしないようなので食い延ばした時の捨て牌から待ちを読む公式的なものを備忘録的に記しておく
理想は公式として覚えずに相手の手牌を想像して読むことだがいちいちそんなことに頭のリソースを割くほど余裕のないことが多いのでやはり機械的に覚えてしまうことが楽ではある
ただ他の捨て牌読みにも言えることだが一点読みは基本的に不可能なので他に安牌が無い時の参考までにとどめておいたほうがいいだろう
というわけで以下は愚形含みの5枚形(?)で食い延ばした時の公式である
① 鳴いた牌のスジを切ったらその裏スジが待ち
例チー打待ち
25で鳴いてスジの8が出たらその裏スジの47があたりになっているパティーン
これは比較的覚えやすいか
あえて名付けるならカンチャン整理型その1ってところか
以下全パティーン
元の形 喰い取り牌 切る牌 待ち(裏スジ)
12346 3 6 25
23457 14 7 36
34568 25 8 47
45679 36 9 58
13456 47 1 25
24567 58 2 36
35678 69 3 47
46789 7 4 58
ちなみにこの形では5は切られない
②の1 鳴いた牌の±4を切ったらそのスジが待ち
例チー打待ち
±4と書くとわかりづらいけど要は喰いとった牌と切った牌の間に順子ができる場合ってこと
元の形 喰い取り牌 切る牌 待ち(裏スジ)
12346 2 6 3
23457 3 7 14
34568 4 8 25
45679 5 9 36
13456 5 1 47
24567 6 2 58
35678 7 3 69
46789 8 4 7
スジのうち外側か内側かについては、そもそも食い延ばしが上家が捨てた牌を手元に2枚温存する手段であるので喰いとった牌で両面を構成するほうのスジと考えるとわかりやすいか
②の2 鳴いた牌の±4を切ったらその跨ぎスジが待ち
③
④ 5切ったら鳴いたのと別のスジ待ち
(147チーして打5なら待ち369、369チーして打5なら147と大まかにおぼえればいい。。。のか?)
疲れた
シャドバでリセマラすべきか
最近はまってるシャドウバースというカードゲーム
他のスマホゲーよろしくリセマラを行うことでよりレア度の高いカードを引くことができる
では実際リセマラはするべきであるか?
回答をするならば”嫌になるのでリセマラすべきではない”
そもそも手慰みでゲームしてんのにいきなり単純労働を強いるのはあまりにマゾヒスティックではないか
だいたいシャドバはいらないカード砕いて自分の欲しいカードを生成するシステムがあるのでそこまで右手力は問われないし毎日ログインしてればログボとミッションでわりと引ける
それでもリセマラをしたい向きのためにどの程度の枚数レジェンドを引けばリセマラ成功といえるのかちょっと計算してみた
import matplotlib.pyplot as plt import random import collections as col a = [] p = 1.5 #虹確率 pack = 36 def risemara(x): time = pack * 8 for j in range(x): leg = 0 for i in range(time): count = random.uniform(0,100) if count < p: leg += 1 a.append(leg) risemara(100000) #リセマラ回数 plt.hist(a,bins=max(a)) print(pack,"パックを",x,"回リセマラした場合に引くレジェンド(確率",p,")の枚数") aaa = col.Counter(a) for key ,value in sorted(aaa.items()): print(key,"枚",value,"回、その確率は",(value/x)*100,"%")
36 パックを 100000 回リセマラした場合に引くレジェンド(確率 1.5 )の枚数
0 枚 1348 回、その確率は 1.348 %
1 枚 5728 回、その確率は 5.728 %
2 枚 12214 回、その確率は 12.214 %
3 枚 17905 回、その確率は 17.904999999999998 %
4 枚 19260 回、その確率は 19.259999999999998 %
5 枚 17001 回、その確率は 17.000999999999998 %
6 枚 12158 回、その確率は 12.158 %
7 枚 7327 回、その確率は 7.327 %
8 枚 3913 回、その確率は 3.913 %
9 枚 1912 回、その確率は 1.9120000000000001 %
10 枚 785 回、その確率は 0.7849999999999999 %
11 枚 299 回、その確率は 0.299 %
12 枚 102 回、その確率は 0.10200000000000001 %
13 枚 32 回、その確率は 0.032 %
14 枚 12 回、その確率は 0.012 %
15 枚 4 回、その確率は 0.004 %
現在インストール直後のボーナスで36パック引けるようだが、それで7~9枚引ければ成功といえるのではないか
ところでこれって典型的なベルヌーイ試行である
というわけでnumpyのbinomial関数を使ってみる
import matplotlib.pyplot as plt import numpy as np import collections as col #numpy.random.binomialを使った場合 p = 1.5/100 #レジェンド pack = 36 time = pack*8 x = 10000000 #試行回数 leg = np.random.binomial(time,p,x) #リストとなる legdict = col.Counter(leg) plt.hist(leg,bins=max(leg)) #なぜかデフォでbins=10 print(pack,"パックを",x,"回リセマラした場合に引くレジェンド(確率",p,")の枚数") for key ,value in sorted(legdict.items()): print(key,"枚",value,"回、その確率は",(value/x)*100,"%")
36 パックを 10000000 回リセマラした場合に引くレジェンド(確率 0.015 )の枚数
0 枚 128278 回、その確率は 1.28278 %
1 枚 564045 回、その確率は 5.64045 %
2 枚 1234020 回、その確率は 12.3402 %
3 枚 1792282 回、その確率は 17.92282 %
4 枚 1943714 回、その確率は 19.43714 %
5 枚 1680494 回、その確率は 16.80494 %
6 枚 1207038 回、その確率は 12.07038 %
7 枚 739904 回、その確率は 7.399039999999999 %
8 枚 396402 回、その確率は 3.96402 %
9 枚 187852 回、その確率は 1.8785199999999997 %
10 枚 79711 回、その確率は 0.79711 %
11 枚 30445 回、その確率は 0.30445 %
12 枚 10814 回、その確率は 0.10814 %
13 枚 3543 回、その確率は 0.035429999999999996 %
14 枚 1074 回、その確率は 0.01074 %
15 枚 287 回、その確率は 0.00287 %
16 枚 73 回、その確率は 0.0007300000000000001 %
17 枚 17 回、その確率は 0.00017 %
18 枚 5 回、その確率は 4.9999999999999996e-05 %
19 枚 1 回、その確率は 9.999999999999999e-06 %
20 枚 1 回、その確率は 9.999999999999999e-06 %
最初かいたコードとおよそ似たような結果になったので満足
ところで標準ライブラリのrandomを使うと100万回試行で軽食が取れる程度には時間食うのに、ふたつめのコードで使ったnumpyのやつだと1000万回回してもものの数秒で終わるのはどういう理由からなのだろう