تربية الأحصنة: حتى الوالدان المثاليان لا يضمنان مهرًا مثاليًا
يتركز المهر حول نقطة المنتصف بين والديه، لكن الانتشار يحمل حدًا أدنى يبلغ 0.3 × نطاق الإحصائية بغض النظر عن مدى تطابق الوالدين. هذا الحد لا يختفي أبدًا.
عادة ما توصف تربية الأحصنة بأنها "المهر يأخذ متوسط إحصائيات والديه، بالإضافة إلى بعض العشوائية". النصف الأول صحيح تمامًا. أما النصف الثاني فيخفي الجزء الذي يحدد فعليًا المدة التي يستغرقها برنامج التربية الخاص بك.
النموذج
midpoint = (parentA + parentB) / 2
spread = |parentA − parentB| + 0.3 × (statMax − statMin)
roll = (random + random + random) / 3 − 0.5
foal = midpoint + spread × rollالنتيجة هي متوسط ثلاثة أرقام عشوائية موحدة، لذا فهي تتركز حول 0، محددة بـ ±0.5، وشكلها يشبه الجرس بانحراف معياري قدره 0.1667. التركيز حول الصفر يعني أن المهر المتوقع هو بالضبط نقطة المنتصف بين الوالدين — الجزء المتعلق بالمتوسط في الفولكلور صحيح.
الانتشار له حد أدنى لا يمكنك إزالته
انظر إلى الحد الثاني: 0.3 × (statMax − statMin). إنه لا يشير إلى الوالدين على الإطلاق.
حتى مع وجود والدين متطابقين، يكون |parentA − parentB| صفرًا ويبقى الانتشار كما يلي:
| الإحصائية | النطاق الكامل | الانتشار غير القابل للاختزال |
|---|---|---|
| الصحة القصوى | 15 – 30 | 4.50 |
| قوة القفز | 1.09 – 5.29 | 1.26 |
| سرعة الحركة | 4.74 – 14.23 | 2.85 |
لذا، فإن تربية حصانين بأقصى سرعة ينتج مهرًا متوسط سرعته 14.23 ولكن بانحراف معياري قدره 0.47 ويمكن أن يصل إلى حوالي 12.81. والدان مثاليان لا ينتجان مهرًا مثاليًا؛ بل ينتجان مهرًا يتركز حول المثالية، متناثرًا بمقدار ثابت.
هذا هو السبب في أن برنامج التربية يصل إلى مرحلة الاستقرار (plateaus). بمجرد أن يصبح والداك متقاربين، فإن تقريبهما أكثر يتوقف عن المساعدة — الحد |parentA − parentB| يكون بالفعل قريبًا من الصفر وكل ما يتبقى هو ثابت لا يمكنك التخلص منه بالتربية.
مطابقة والديك لا تزال مهمة، جدًا
على النقيض الآخر، تربية أفضل حصان لديك من حيث السرعة مع أسوأ حصان لديك يعطي انتشارًا قدره 9.49 + 2.85 = 12.34 — أكثر من أربعة أضعاف الحد الأدنى للوالدين المتطابقين. لذا فإن نصيحة إقران الأحصنة المتشابهة حقيقية؛ ولكن لها حدًا صارمًا.
الشكل العملي لذلك:
- في البداية، مطابقة الوالدين هي كل اللعبة. تقليل
|A − B|يقلل الانتشار تقريبًا
بشكل مباشر.
- في المراحل المتأخرة، لا يفعل شيئًا. أنت تقاتل الحد الأدنى البالغ 0.3، والمقبض (lever) الوحيد المتبقي هو
الحجم — قم بتربية المزيد من الأمهر واحتفظ بالذيل العلوي.
لماذا الذيل رفيع
نظرًا لأن النتيجة هي متوسط ثلاثة أرقام عشوائية بدلاً من واحد، فإن النتائج تتجمع بالقرب من المنتصف. المهر الذي يهبط عند حافة الانتشار يحتاج إلى أن تكون الأرقام العشوائية الثلاثة جميعها قريبة من نفس الحد الأقصى، وهو أمر نادر. تقريبًا ثلثا الأمهر تقع ضمن انحراف معياري واحد — 0.47 على السرعة مع والدين متطابقين من الدرجة الأولى — والقيم الشاذة التي تبحث عنها تقع أبعد من ذلك بكثير.
لذا، فإن التوقع الصادق لبرنامج في مرحلة متأخرة: معظم الأمهر ستكون أسوأ قليلاً من نقطة المنتصف بين الوالدين بمجرد الحظ، وعدد قليل سيكون أفضل قليلاً، ويأتي التقدم من الاحتفاظ بالقليل فقط.
اختلاف واحد عن اللعبة
هذه الآلة الحاسبة لا تعكس النتائج خارج النطاق إلى داخل النطاق؛ لعبة ماينكرافت تفعل ذلك. لذا بالقرب من قمة الإحصائية، ستقوم اللعبة الحقيقية بطي النتيجة المستحيلة إلى الأسفل بدلاً من قصها، مما يغير قليلاً شكل الذيل المتطرف. نقطة المنتصف، الانتشار، والمرحلة المستقرة أعلاه لا تتأثر.