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