Exponentiell Gewichtet Gleitender Durchschnitt Matlab Code

Slideshare verwendet Cookies, um Funktionalität und Leistung zu verbessern und Ihnen relevante Werbung zu bieten. Wenn Sie fortfahren, die Website zu durchsuchen, stimmen Sie der Verwendung von Cookies auf dieser Website zu. Siehe unsere Benutzervereinbarung und Datenschutzbestimmungen. Slideshare verwendet Cookies, um Funktionalität und Leistung zu verbessern und Ihnen relevante Werbung zu bieten. Wenn Sie fortfahren, die Website zu durchsuchen, stimmen Sie der Verwendung von Cookies auf dieser Website zu. Siehe unsere Datenschutzrichtlinie und Benutzervereinbarung für Details. Entdecken Sie alle Ihre Lieblings-Themen in der Slideshare App Hol dir die Slide App auch offline für später speichern auf die mobile Website hochladen Anmelden Anmelden Doppeltippen Weiter Prozesssteuerung Labor und Labview report Teilen Slideshare vollständige kopieren 2017Theck-Meloree Index Standard Zum Verkleinern Referenzdokument Aktuelle Version: 2.0, aktualisiert 4.132.014 der Theck-Meloree Index ist ein Betankungs Metrik, die die 8220smoothness8221 eines tank8217s Schadensaufnahme auf die Spitze Größe und Frequenz basierend zu quantifizieren versucht. Seine grundlegende Annahme ist, dass Schadenspitzen exponentiell gefährlicher werden (und damit wichtiger), wenn sie in der Größe wachsen. Die erste Version der Metrik, entwickelt in einer Reihe von Blog-Posts ab hier. War abstrakter und ähnlicher im Konzept zu einem FICO Score. Ab Version 2.0. Es wurde überarbeitet, um konkreter und leichter zu verstehen. Jetzt ist Ihre TMI (in Tausend) ungefähr gleich der Größe Ihrer größten Schadenspitzen (in Prozent der Gesundheit), so dass ein TMI von 88k bedeutet, dass Sie Spikes bis zu etwa 88 Ihrer Gesundheit in Größe. TMI enthält sowohl die Spitzengröße als auch die Frequenz. Infolgedessen führt die gleichzeitige Einnahme der gleichen Spike dazu, dass TMI leicht ansteigt. Eine TMI von 88k könnte eine einzelne Spitze von etwa 88 Ihrer Gesundheit oder mehrere Spikes von etwa 80 Ihrer Gesundheit. Der Schlüssel ist, dass es Ihnen eine grobe Schätzung der großen Spikes, die Sie erwarten sollten, um zu bewältigen haben, und dies in einer numerisch-robust Weise, die gute stat Gewichtswerte produziert. Dieses Dokument legt mehrere Standards bezüglich des Theck-Meloree-Index fest, einschließlich der Berechnungsmethode, der Bosskonfigurationen und der Fähigkeitsauslastung. Beachten Sie, dass der Index ausreichend vielseitig ist, um eine Vielzahl von Situationen außerhalb der in diesem Dokument empfohlenen Situationen zu behandeln. Mit klar definierten Standards lassen sich jedoch Vergleiche zwischen verschiedenen Radsätzen, Aktionsprioritätsschlangen, Talenten, Glyphen und sogar verschiedenen Tankklassen vereinfachen. Benutzer, die mehr daran interessiert sind, was TMI bedeutet, als sie in der Methode der Berechnung sind ermutigt, diesen Blog-Post zu lesen. Die zu diesem Thema in mehr Tiefe geht. II. Berechnungsmethode Angenommen, wir sind mit einer Zeitachse D versehen, die die Änderungen der Tankgesundheit darstellt. Diese Zeitlinie kann im allgemeinen Fall Schäden und Heilungsereignisse umfassen, siehe Abschnitt VII für Details. Diese Zeitleiste ist ein einfaches Array mit Zeitbins mit der Breite Delta t, so daß alle Ereignisse, die zwischen der Zeit t und tDelta t auftreten, in einen Behälter zusammengeführt werden. Für eine Folge von Angriffen, die 30, 20, 5, 10 und 50 Schäden ausführen, die in 1,5-Sekunden-Intervallen beginnend bei t0,00 auftreten, und Auswahl von Zeitbins von Delta t 1 Sekunde, wird D die Form von D haben Theck-Meloree Index wird wie folgt berechnet: 1) Normalisieren D durch die player8217s maximale Gesundheit H. Wenn der player8217s Gesundheit konstant ist, bedeutet dies einfach, dass wir jedes Element D durch eine konstante H gleich ihrer maximalen Gesundheit teilen. Wenn der Spieler von vorübergehenden gesundheitlichen Verstärkungseffekten wie dem letzten Standplatz profitiert, ist H ein Array, das ihre maximale Gesundheit zu jedem Zeitpunkt, das demselben Element in D entspricht, entspricht. Somit enthält die normierte Schaden-Zeitleiste über Zeile Elemente: große Overlinie i Di Hi 2) Berechnen Sie die T-zweite gleitende mittlere Schadensquote für die gesamte Simulationslänge L (auch in Sekunden ausgedrückt). Dieser Schritt kann dann formell für das i-Element der resultierenden gleitenden mittleren Matrix ausgedrückt werden als: die ein Array der Länge N (L 8211 T) Delta t erzeugt. Es ist auch akzeptabel einen apodisierten gleitenden Durchschnitt (dh durch Zero-Padding den Schaden Array) zu verwenden, die ein Array mit der Länge NLDelta t 3) TMI erzeugt aus dem gleitenden Durchschnitt Anordnung wird wie folgt berechnet: wobei N0450Delta t die 8220default8221 Anordnungsgröße entspricht Auf eine Kampflänge von 450 Sekunden. Der daraus resultierende Wert ist der Theck-Meloree-Index. III. Ununterbrochene Begrenzung Da wir diesen Index im Allgemeinen in einem Computer berechnen werden, ist es ungewöhnlich, in der ununterbrochenen Grenze zu arbeiten. Dennoch, für Vollständigkeit schließen wir die Definition hier ein, falls es relevant wird. Für kontinuierliche Funktionen D (t) und H (t), die über den Bereich 0 definiert sind, wobei L für den durch den Tank und die Spielergesundheit zu jedem Zeitpunkt t entstehenden Schaden repräsentiert, wird der Theck-Meloree-Index mit dem kontinuierlichen T-Sekunden-Bewegen berechnet (T, T) ist die übliche Rechteckfunktion der Breite T, so daß das Kürzel 8220 TMI 8221 an Stelle des längeren 8220Theck-Meloree-Index8221 zur Kürze verwendet wird. Der Standard erlaubt eine benutzerdefinierte Fensterlänge T, die verwendet wird, um die gleitende Mittelfunktion zu berechnen. Wenn nicht anders angegeben, bezieht sich der Begriff TMI auf die Metrik, die mit einem 6-Sekunden-gleitenden Durchschnitt berechnet wird (d. H. T & sub6;). Wenn der Metrik bezieht, berechnet eine andere T verwendet wird, sollte es in geeigneter Weise durch Anhängen der Endung 8220 - T 8220. So bemerkt, TMI-9 würde zeigen deutlich eine TMI berechnet, um einen 9-Sekunden-gleitenden Durchschnitt, während TMI-3 würde Beziehen sich auf eine berechnet mit einem 3-Sekunden gleitenden Durchschnitt. Folglich ist TMI-6 gleichbedeutend mit TMI. Während viele Faktoren TMI-Werte beeinflussen, beeinflusst keiner das Ergebnis so empfindlich wie der Chef, mit dem die Metrik berechnet wird. Als solche bieten wir standardisierte Bosses für jede Ebene des Inhalts, um einen fairen Vergleich zwischen verschiedenen Konfigurationen zu erleichtern. Die Standard-Boss-Definition besteht aus zwei Aktionen: Ein Nahkampfangriff mit einem Schwung-Timer von 1,5 Sekunden Ein sofortiger Schaden-über-Zeit-Zauberspruch, der 30 Sekunden lang alle 2 Sekunden periodischen magischen Schaden verursacht. enemyTMIStandardBoss level93 roletank positionfront actions. precombatsnapshotstats actionsautoattack, damageX, attackspeed1.5 actionsspelldot, damageY, ticktime2, numticks15, aoetanks1, ifticking Die folgende Tabelle: In Simulationcraft können diese beiden Aktionen mit den folgenden Zeilen Code mit X und Y in geeigneter Weise substituierten hergestellt werden Liefert die standardisierten Werte von X und Y für einen Boss, der einem bestimmten Inhaltspegel angenähert ist. Zur Vereinfachung kann jeder dieser Bosses in Simcraft mit der Option tmiboss aufgerufen werden. Die Syntax zum Aufrufen des T15H-Bosses wäre: Beachten Sie, dass bei der Verwendung der GUI (d. h. Simulationcraft. exe) diese Bosses aus einem Dropdown-Feld auf der Registerkarte Optionen ausgewählt werden können. Der T15H-Standard produziert großflächige Nahkampfangriffe von etwa 340k Schaden auf einem Tank, nachdem Spezialisierung und Rüstungsminderung berücksichtigt werden. Dies ist etwa gleich der Nahkampfschaden des heldenhaften Lei Shen auf die 25-Mann-Schwierigkeitsstufe. Da neue Standard-Bosse der Tabelle hinzugefügt werden, werden sie in der Regel weiterhin die Nahkampfschaden des härtesten Schlägers in der Stufe annehmen, während sie 7,5 magische Schäden durch den DoT-Effekt beinhalten. VI. Spielerzusammensetzung Das Ziel von TMI ist es, die Bedrohung durch Spike-Schaden für den Spieler zu berechnen. Historisch gesehen wurde dies durch die Untersuchung der Fähigkeit des Spielers8217s zu Nahkampfangriffen in Abwesenheit von Abklingunterstützung beurteilt. Der Grundgedanke daran ist, dass der Spieler sehr unwahrscheinlich ist, eine ernste Gefahr des Todes zu sein, während er proaktiv mit Abklingzeiten wie Wächter der alten Könige oder Göttlichen Schutz. Jedoch gibt es einige Abklingzeiten, die als Rotation anstatt reaktiv betrachtet werden könnten. Heiliger Rächer ist eine solche Abklingzeit, da er häufig auf Abklingzeit für einen Schadensschub verwendet wird, anstatt für ein besonders gefährliches Segment eines Kampfes gerettet zu werden. Darüber hinaus konkurriert es mit zwei anderen Talente, die Rotation in der Natur sind. Um die Dinge weiter zu komplizieren, wäre es sehr schwierig, solche Effekte zu entfernen oder zu berücksichtigen, wenn TMI für ein Kampfprotokoll aus einer tatsächlichen Begegnung berechnet wird. Als solche setzt der TMI-Standard keine spezifischen Beschränkungen für die Fähigkeitsauslastung oder Spielerkonfiguration voraus. In dem unwahrscheinlichen Fall, dass eine bestimmte Fähigkeit aus irgendeinem Grund übermäßig problematisch erscheint, wird der Standard entsprechend aktualisiert, um diese Fähigkeit zu verbieten. Beachten Sie jedoch, dass Sie als Spieler, der versucht, Ihren Charakter in Simulationcraft zu simulieren, oftmals zu Ihren Vorteilen zählen, nicht rotierende Schadensabklingzeiten (zB Schildwand, Wächter der alten Könige usw.) in Ihre Simulationen aufzunehmen. TMI bevorzugt Filter, um die höchsten Spikes als wichtiger als alles andere zu gewichten, und diese Spikes sind unwahrscheinlich, dass sie auftreten, während Sie eine 50 Schadensminderungs-Abklingzeit haben. So während der Abkühlung reduziert Ihre durchschnittliche TMI, wird es Ihnen so genau ein Bild, wie anfällig Ihr Charakter ist in Zeiten nicht durch Abklingzeiten abgedeckt. Da die meisten Spieler daran interessiert sind, die gefährlichen Perioden zu optimieren und nicht die garantierten Perioden, empfehlen wir, keine Abklingzeiten zu verwenden, während Sie einen Teil Ihrer Standardrotation summieren. VII. Gruppenzusammensetzung und Heilung TMI ist sehr robust und kann für einen Spieler berechnet werden, der alleine oder für einen Spieler begleitet von einer beliebigen Anzahl anderer Spieler, einschließlich Heiler, handelt. Das TMI-Ergebnis, das in etwa jeder T-Sekunden-Periode ungefähr dem maximalen Spike-Schaden entspricht, ist eine nützliche und intuitive Messung in jeder dieser Situationen. Allerdings sind die meisten Panzer eher daran interessiert, was sie persönlich tun können, um ihre Überlebensfähigkeit zu verbessern. Simulationen, die Heiler einschließen, neigen dazu, die Auswirkungen von Änderungen, die durch den Tank gemacht werden, zu maskieren (zum Beispiel während der Berechnung von statischen Gewichten), da neu erzeugte Schwachstellen teilweise durch einen übermäßigen Heilerdurchsatz gemindert werden können. Obwohl dies auch nützliche interessante Informationen liefern kann, macht es letztlich die Ergebnisse komplizierter, um korrekt zu interpretieren. Als solche definieren wir den Standardprozess zur Berechnung von TMI, um nur Effekte einzuschließen, die direkt durch den Tank und den Boss verursacht werden. Mit anderen Worten, während ein oder mehrere Heiler für die Simulation vorhanden sein können, müssen alle Heilungs - oder Absorptionseffekte, die von diesem Heiler verursacht werden, für die Berechnung von TMI ignoriert werden. Der einfachste Weg, dies in Simcraft zu tun ist, um den Tank allein gegen den Chef simulieren (die Simulation endet nicht, wenn der Tank unter Null Gesundheit sinkt, es lässt nur ihre Gesundheit weiterhin negativ zu gehen). Für Fälle, in denen ein Heiler in der Simulation vorhanden ist, ermöglicht es die Spieler-Option tmiselfonly1, die Simulation zu ignorieren, externe Heilung bei der Berechnung von TMI zu ignorieren und jede Selbstüberheilung, die durch den Tank als wirksame Heilung durchgeführt wird, zu behandeln. Wenn TMI aus einem Kampfprotokoll berechnet wird, ist dies schwieriger zu erreichen. Darüber hinaus kann es Situationen, in denen es ist interessant, eine tank8217s TMI, während alle Quellen der Heilung zu beurteilen. In solchen Fällen sollte die Metrik als 8220 ETMI 8221 oder 8220 Effective TMI 8221 gemeldet werden, um anzuzeigen, dass die Berechnung externe Heilungsquellen beinhaltet. Während Wirkungen wie HeroismBloodlust sicherlich in realen Begegnungen vorhanden sein werden, sind dies in der Regel Zeiten erhöhten Heilerdurchsatzes und aktive Abschwächung der Betriebszeit, die beide die Gefahr dieser Perioden reduzieren. Da das Ziel von TMI darin besteht, die Gefahr von Schadenspitzen während gefährlicher Perioden zu beurteilen, empfehlen wir dem Benutzer dringend, TMI-Simulationen ohne den Nutzen von Heroism, Bloodlust oder anderen temporären Buff-Effekten durchzuführen, die der Tank nicht für sich selbst bereitstellen kann. Dazu gehören externe Milderungseffekte wie Hand of Sacrifice und Barkskin. Da diese Arten von Effekten in einem Kampfprotokoll unmöglich (oder in einigen Fällen nicht zu erkennen) unmöglich sind, sind sie nicht streng von der Standard-TMI-Spezifikation ausgeschlossen. Wie man erwarten würde, werden sie alle angenommen, in einer ETMI Berechnung eingeschlossen zu werden. Passive Raid-Buffs, wie Arcane Intellect oder Power Word: Fortitude, sind wahrscheinlich während der gesamten Begegnung aktiv und somit in der Standard-TMI-Berechnung erlaubt (und tatsächlich erwartet, da Simulationcraft diese Buffs standardmäßig aktiviert hat). 4132014: Version 2.0 Eingebaute neue Formel für TMI Aktualisierte TMI-Standard-Chefliste Stark überarbeitete Spezifikationen für die Erstellung von Kampfprotokollberechnungen lebensfähig 8132013: Version 1.2 Die Gesundheitsnormalisierung wurde jetzt mit sofortiger Gesundheit durchgeführt und sofort auf den Schadenszeitrahmen (dh vor dem gleitenden Durchschnitt) angewendet Wie zum Beispiel Last Stand und ähnliche Trinket-Effekte. 832013: Version 1.1. Beseitigung der Beschränkung der Schadensminderung. Alles ist faires Spiel jetzt. Teilen Sie dies: Haben Sie über die TMI eines Szenarios, dass ein Tank nicht nimmt keine Schäden betrachtet In diesem Zustand wird die TMI von ihm nicht Null sein, da Summe von exp () niemals Null sein wird, wenn Sie nicht an einem Unendlichen heilen HPS. In der Begriff der Glätte, ein positives TMI kann etwa 8220un-smoothness8221 für die Menschen implizieren. Gibt es irgendeinen Plan, um ihn vorzuspannen oder ihn zu begrenzen, um kleine oder null DTPS-Behälter besser zugänglich zu machen, nicht besonders. Ein Tank mit genau 0 Schaden (und 0 Selbstheilung) hätte eine TMI von frac 6.1. Ich könnte dies offensichtlich normalisieren, um 0 mehrere verschiedene Möglichkeiten (subtrahieren 6,1 aus dem Ergebnis, zum Beispiel, oder rund um das Ergebnis von e bis 4 oder weniger Ziffern der Präzision), aber I8217m nicht sicher, dass es lohnt Mühe für einen Fall, dass im Wesentlichen trivial. Wenn du keinen Schaden erleidest, ist dein TMI irrelevant. I8217ve hat eine Übersetzung dieses Dokuments an NGA, einer der aktivsten WoW-Forum in China (bbs. ngacn. ccread. phptid6422084). Da Theorycrafting ist kein attraktives Thema für die meisten Menschen, Diskussion über diesen Thread ist nicht heiß. Wenn es einen wichtigen Punkt in den Thread, I8217ll erscheint, um Sie wissen zu lassen. Ich habe gerade lesen Sie Ihre gesamten Beiträge über TMI. Es ist eine interessante Lösung für eine gemeinsame Frage in WoW. Um Ihnen meinen Hintergrund zu geben, habe ich einen Grad Physik mit einem phd in der Statistik. Sie scheinen das Rad neu zu erfinden, nur ein wenig hier. Sie tun eine Menge Arbeit, um das Ende ihrer Wahrscheinlichkeitsdichtefunktion zu messen. Glücklicherweise ist dies ein wirklich häufiges Problem in der angewandten Statistik. So haben wir eine elegante Lösung dafür. Gamma-Verteilungen Skala und Form Parameter können Ihnen perfekt elegante Lösung für die Frage. Dies ist auch ein viel mehr getestet Maßnahme 8220schwanz size8221. Leider ist die Gamma-Distribution doesn8217t ziemlich schneiden Sie es für uns. Erstens beruht sie auf der Annahme, dass die Gamma-Verteilung p. d.f. Kann genau alle möglichen TMI-Distributionen darstellen, was offensichtlich falsch ist. Ich kann mit etwas Arbeit ein Experiment entwerfen, das eine 8220double-humped8221 TMI Verteilung erzeugt, die mehr als ein lokales Maximum hat. Die Gamma-Verteilung wäre eine schlechte Schätzung für diese TMI-Verteilung und liefert daher ungenaue Ergebnisse. Zweitens, es doesn8217t enthalten die richtige exponentielle Gewichtung Funktion. Wir könnten das nach der Tatsache tun, natürlich 8211, d. h., dass wir unsere Gamma-Funktion-Schätzung für die reale TMI p. d.f. Und dann den gewogenen Durchschnitt auf dem (ähnlich wie die Histogramm-Version der Metrik, wenn Sie lesen zurück durch die drei Erläuterungen von Juli). Aber wieder ist in dieser Situation die Gamma-Verteilung nur eine Annäherung an die wahre TMI p. d.f, so dass es mir nicht klar ist, dass wir etwas gewinnen, indem wir diese Ebene der Komplexität hinzufügen. We8217d müssen zwangsläufig die Skalierungs - und Formparameter der Gamma-Distribution auf der Grundlage der Simulationsergebnisse empirisch bestimmen, was im Wesentlichen die Durchführung einer vollständigen Analyse der 8220true8221 erzeugten TMI-Probenverteilung bedeutet. An diesem Punkt ist es einfacher und genauer, die generierte Probenverteilung zu verwenden, um unsere Berechnungen durchzuführen. Diese beiden Bedenken stellen zusammen ein problematischeres Problem dar: Es wird angenommen, dass wir die Gamma-Verteilungs-Annäherung verwenden, indem wir eine Analyse der Stichproben-TMI-Verteilung durchführen. Wenn es ein Streulicht bei sehr hohem TMI gibt, was ein seltenes (aber offensichtlich mögliches) Ereignis sein kann, unterdrückt das Gamma-Schätzanpassungsverfahren diesen Datenpunkt unvermeidlich. Dann wird, wenn die exponentielle Gewichtung durchgeführt wird, dieser Datenpunkt won8217t viel zum Gesamt-TMI-Ergebnis beitragen, was schlecht ist, wollen wir, dass diese Art von Ereignissen das Ergebnis dominieren, weil diese Ausreißer sehr gefährlich sind. So könnten Sie ganz leicht mit einer Situation, wo jede Art von Gamma-Verteilung passen reduziert die Auswirkungen der sehr Ereignisse, die wir kümmern uns um die meisten. Ich habe einige Lesung über Schwanz Verteilung Analyse beim Aufkommen dieser Metrik, und keine der bestehenden Methoden fand ich wirklich geeignet für die Anwendung. Die meisten Methoden versuchten ausdrücklich, den Schwanz einer bekannten Verteilung zu schätzen, die vernünftigerweise Gaußscher Natur war, und behandelte Ausreißer wie 8220errors.8221 Wir wollen das genaue Gegenteil tun, weil diese Ausreißer die gefährlichen Spitzen sind, die wir messen wollen. Seit meiner Promotion. Ist in der Physik, ich fragte ein paar Statistiker Ich weiß (einschließlich meines Bruders, der ein Aktuar), aber keiner von ihnen könnte eine Methode, die genau das denken konnte. I8217m sicher, dass man wahrscheinlich irgendwo existiert, aber es schien wie weniger Arbeit, um einfach die Metrik, die ich eigentlich wollte, als die Suche nach vergeblichen für eine Methode, die möglicherweise vorhanden ist oder nicht existieren kann und möglicherweise nicht genau mit der Art der Analyse I8217m versuchen zu erfüllen. Meinetwegen. Ich didn8217t keine echte Analyse mit Daten. Ich schaute nur auf Ihre PDF-und es sah aus wie eine so schöne Gamma-Funktion. Hohe Theta bedeutet hohe Varianz, schlechte 8220smoothness8221, und eine mehr Spikes. Niedriges Theta bedeutet nette konstante glatte Beschädigung. Aber wenn Sie andere Verteilungen von 6 Sek Schadeneinnahme erzeugen können, wäre das ein unüberwindbares Problem. Egal, Ihr Konzept der Blick auf die 6 zweite Health Delta PDF ist wirklich vor Ort für what8217s im Herzen der Tanking. Ich habe einige parametrische Modellierung für einige Ihrer Zusammenfassung Daten in Ihrem Blog (die 0,1 Buckets von 0,5 bis 1,4). Tabelle 2 von 8220Machung einer Statistik: Teil 1.8221 Die Varianzen für die Sets waren eine Folge8230 Control Haste: 0.011134 1000stam: 0.01008 -1000Exp: 0.012391 1000Höhe: 0.010449 1000Dodge: 0.010904 Ich didn8217t analysieren die Mastery oder Hit oder Parry-Sets. Expgtgtstamgthastegtdodge Die parametrischen Ergebnisse stimmen mit Ihrer nicht-parametrischen TMI überein. Die Güte der Fit-Tests sind auch gut. Was ich wirklich benötige, ist mehr Rohdaten. Leider habe ich nur Ihre zusammengefassten Daten und ich bin nicht vertraut, wie ich meine eigene 6-sek Gesundheit Delta-Distribution zu generieren. Können Sie verknüpfen Rohdaten irgendwie Oder gibt es eine Möglichkeit, es aus simc erstellen Sie können diese Ausgabe in simc mit der tmioutput-Option zu generieren: Dump TMI Debug-Ausgabe an tmidebugfile. csv armoryus, illidan, john tmioutputtmidebugfile. csv Dies wird nur eine erzeugen Iteration Wert von Daten zwar, so dass eine Menge von Daten, die Sie entweder eine Batch-Datei zu schreiben, um dies tausend Mal in verschiedene CSV-Dateien zu schreiben, oder eine einzelne Iteration, dass viele, viele Minuten lang (wahrscheinlich am einfachsten und am nächsten zu schreiben Wie ich die MATLAB sims durchgeführt habe). Das Ausgabeformat sollte ziemlich selbsterklärend sein (es nur Schritte durch die Berechnung von Spalte zu Spalte mehr oder weniger, vor allem für Debugging-Zwecke). Wenn ich mich richtig erinnere, sind die ersten beiden Spalten Heilung Aufnahme (negative Zahlen) und Beschädigung der Aufnahme, die dritte Spalte ist die Summe dieser beiden, und dann die nächsten paar Spalten sind gleitende Durchschnittswerte (eine ist normalisiert auf Spieler Gesundheit, die andere isn8217t ) Und schließlich der gewichtete Wert. Danke für Ihre Hilfe. Leider sind die Debug-Dateien ein wenig schüchtern. Durchschnittlicher Schaden und Heilungsgröße pro Datensatz ist 10E7. Und die normalisierten Heide-Deltas durchschnittlich 6. Ich muss meine Matlab-Fertigkeiten von meinen Physik-Tagen abstauben. Aber von Ihnen Papiere (die gut geschrieben und leicht zu folgen sind) kann ich sehen, dass die Daten tatsächlich folgen eine exponentielle Familie pdf (sieht aus wie normal ist die beste Passform). In Abschnitt 3 sagen Sie, dass Ihre PDFs an unteren N don8217t normale pdf folgen. Allerdings ist das einfach aufgrund der Probengröße (und Überhitzung Aufpumpen der Null bei niedrigen N). Das Phänomen, das Sie mit dem 4N mit niedrigerer TMI bei großem N sehen, ist, weil große Werte auf N eine geringere Varianz aufweisen (je größer der Zeitrahmen, desto weniger der Spikey der Schaden). Dies ist in der Tat in der Nähe von unbestreitbaren Beweisen, dass die Verteilung Gaussian ist und wir haben nur Stichprobengröße Probleme bei niedrigeren N, die uns daran hindern, es visuell zu sehen. Aber ich wette, dass R würde als eine ziemlich stabile Normalverteilung zu klassifizieren. Schließlich nur aus Ihren Gleichungen und Methodik kann ich sehen, dass TMI ist letztlich nur eine nicht-parametrische Maßnahme, die exponentiell proportional zur Varianz ist. Ich würde dazu neigen, die Varianz einer bestmöglichen Gaußschen Verteilung zu verwenden. Und wir könnten einige einfache Stats Tricks verwenden, um die aufgeblasenen Null Rechnung zu tragen. Und danke dafür, dass ich so reagiere. Die Überprüfung Ihrer Zeitung hat Spaß gemacht. Normalerweise sind meine Statistiken im Zusammenhang mit klinischen Studien. Und ich fühle, dass dies viel wichtiger ist. XD Ich bin nicht einverstanden mit Ihnen über die PDF am unteren N 8211 it8217s nicht eine Stichprobengröße Problem. Betrachten Sie den begrenzenden Fall von N1 (oder T1.5) für einen Chef, der nur melees mit einem 1.5-zweiten Schwungtimer. Mit anderen Worten, Sie berücksichtigen die Verteilung der einzelnen Boss-Angriffe. Ignoring Boss Schadensvarianz (dh jeder Treffer ist X, jeder Block ist 0.7X, jeder SotR-geschwächte Angriff ist 0.5X, SotRblock ist 0.50.7X, etc.), erhalten Sie eine diskrete Verteilung mit einer Delta-Funktion bei jedem zulässigen Schadenswert . Eine Boss-Schadensvarianz würde im Wesentlichen den nicht-nullteiligen Teil dieser Verteilung mit einer rect () - Funktion zusammenfassen, so dass Sie auf die diskreten Werte (mit Ausnahme der Vermeidungsspitze bei 0, die immer noch ein Delta wäre) schmalere Ergebnisse erhalten. Hinzufügen von absorbiert, beiläufige Heilung und andere Effekte verwischt die Verteilung sicherlich, aber es macht in keiner Weise es Gaussian. Es ist also ganz klar, daß ein 1-Angriff gleitender Durchschnitt nicht aus der Ferne Gaußsche aussieht und daher sehr schlecht bedient wird, indem er ihn als solcher annähert. Es wird mehr Gauß-wie die Anzahl der Angriffe, die wir betrachten zunehmend, aber immer noch nicht streng Gaussian wegen der Mechanik. Hit, Expertise und Eile verkürzen die gleitende durchschnittliche Verteilung, indem sie große Ereignisse unterdrücken, was Ihnen im Wesentlichen das Produkt einer Gaußschen und einer Heaviside-Funktion gibt. Für Beweise, die nicht weiter als die Zahlen in diesen Blog-Posts aus der MATLAB Ära der sims: sacredduty. net20121005Schaden-Glättung-Follow-up sacredduty. net20121218Schaden-Glättung-für-Paladine-Runde-drei sacredduty. net20121002Schaden-Glättung - (In der Tat, dass8217s, warum wir diese Statistiken so viel 8211 bevorzugen, weil sie die gleitende durchschnittliche Verteilung erzwingen, um von einem Gaussian durch die Beseitigung der langen Schwanz bei hohen Schadenswerten abweichen) It8217s ziemlich klar, dass die ersten beiden subplots Wird nie Gaussian sein, egal wie viele Iterationen Sie auf sie werfen. Wir sehen nicht nur diskrete Peaks mit nur wenig Absorptions-induziertem Jitter, sondern es gibt eine harte Kappe auf zulässigen x-Werten. Der Chef kann buchstäblich nicht schlagen den Spieler für mehr als x1.85 oder 185 der Spieler8217s Gesundheit, innerhalb von zwei Angriffen. So haben wir wieder einen Gaußscher mit einem harten Trunkier bei etwa 1,85, und in diesem Fall ist es deutlich weiter oben auf dem Schwanz, daß wir es nicht ignorieren können (es schrumpft fast auf dem oberen halben Maximalpunkt). Die letzten Zahlen sehen besser aus, aber noch deutlich nicht-Gaußsche. Die exponentielle Gewichtung erzeugt eine zweite Spitze zum oberen Ende der Verteilung, wie durch die gelbe Linie im N4-Diagramm und die endgültigen rotblauen Linien im N5-Diagramm belegt wird. Ähnliche Peaks gibt es in den N6- und N7-Diagrammen, obwohl sie wesentlich kleiner sind. Die zugrunde liegende gleitende durchschnittliche Verteilung, die wir verwenden, um diese Diagramme zu erzeugen, ist jedoch fast gaußförmig, weil die harte Abschneidung weiter oben entlang des Schwanzes geschoben worden ist. Dasselbe kann von den N2- und N3-gleitenden Durchschnitts-PDFs nicht gesagt werden, obwohl wir sogar bei mehreren Proben diese scharfe Kante bei der maximal möglichen Angriffsgröße an einem signifikanten Punkt entlang der Verteilung sehen. Kurz gesagt, ist TMI im wesentlichen die Summe der Exponentiation einer trunkierten Gaußschen Zufallsvariablen. Was ich vermute, ist, dass wir sie mit Hilfe der Potenzierung eines nicht-trunkierten GRV approximieren können und dass wir einen Schritt weiter gehen und eine Sammlung von TMI-Ergebnissen als Gamma-Verteilung approximieren, da wir sie als Standard-GRV-basiertes Experiment approximieren . Aber das funktioniert nur in gewissen Grenzen durch die Trunkierung, und diese Unterschiede werden in Extremen bedeutsam, die in der Praxis schwer zu verwirklichen sind. Ich interessiere mich für die Grundidee, eine Beispiel-TMI-Distribution (dh wie von SimC erzeugt) einer Gamma-Verteilung zuzuordnen, weil es interessant wäre, ob die Form - und Skalierungsparameter uns mehr Informationen über die Überlebensfähigkeit geben als einfach Durchschnitt dieser Verteilung, die wir jetzt berechnen. Aber I8217m nicht davon überzeugt, dass es genauer sein wird, nur weil es zu viele Annahmen über die zugrunde liegenden Daten machen. Beispiel: Zwei Verteilungen von nahezu identischen Form - und Skalenparametern können sich durch ein einzelnes Ereignis in den Extremitäten unterscheiden (d. H. Ein Nicht-Hit-Capped-Set erlaubt einen Extremwert, bei dem ein Hit-Capped-Set nicht funktioniert). That8217s ein Unterschied, den wir definitiv beibehalten möchten, weil dieser extreme Wert wichtig ist 8211 it8217s, warum wir Mütze an erster Stelle schlagen. Und ich war nicht vorschlagen, die gewichteten pdf ist normal. Ich stimme zu, dass def nicht der Fall ist. Ich habe vorgeschlagen, dass der Beitrag der hohen Werte und Ausreißer in die Varianz die Gewichtungsfunktion überflüssig macht. z. B. Exp-Set hat gt10 mehr Varianz als Ihre Kontrolle Eile gesetzt (mit dem Histogramm u in Ihrem Blog zur Verfügung gestellt). Ich sehe, was du sagst. Ich sah es durch die Augen von Cramers Theorem, die darauf hindeuten, dass die kleineren Fenster sind in der Tat normal, wenn die 7 Treffer PDF ist normal. Andere Dinge können gehen, die Unabhängigkeit zu verletzen wie absorbiert. Und die Nullen können in der Tat sogar die N7 besser geeignet für Gamma als normal. Was die Ausreißer, ich don8217t wissen, wie groß von einem Problem, das sie verursachen, da sie die Varianz erhöhen wird. Und umgekehrt, erhöhte Varianz erhöht die Chance von Ausreißern. Letztendlich kommt es darauf an, dass ich die Zeit nehme, um genaue Güte von Fit-Tests an vielen Daten zu machen. Ich glaube nicht, dass Cramers Theorem gilt, zumindest nicht in der Art, wie Sie meinten. Wir wissen für eine Tatsache, daß X und Y unabhängig voneinander keine normalen Zufallsvariablen sind (z. B. ist das 1-Angriffshistogramm sehr klar diskret oder nahezu diskret und nicht-Gaußsches). Sie verwenden die mathematische Induktion, die XY wie eine normale Zufallsvariable aussieht, also sind X und Y normale Zufallsvariablen. Aber XY isn8217t normal, streng genommen, so dass Behauptung doesn8217t halten. Tatsächlich gilt umgekehrt: Da X und Y nicht normal sind, garantiert der Satz von Cramer8217, daß XY nicht normal ist. Das zentrale Limit Theorem ist mehr anwendbar hier. X und Y sind unabhängige Zufallsvariablen mit gut definiertem Mittelwert und Varianz, so dass die Summe vieler Iterationen annähernd normal sein sollte. That8217s genau das, was wir sehen, wie wir auf die 5-, 6- und 7-Angriff bewegen Durchschnitte bewegen. Obwohl wieder, ist es nur annähernd normal dank der Trunkierungseffekte. Ja. Ich war Augapfel es. Und wenn XY (N7: ungewichtet) nicht normal ist, dann sind N nicht normal. Aber ich, nachdem ich durch Ihre älteren Blog-Posts und Antworten gelesen habe, glaube ich, dass Sie mit mir einverstanden sind, aber ich bin einfach nicht erklären, mich richtig und ich bin ein Teil von dem, was Sie versuchen, mit der TMI fehlen. Ich habe gesagt, dass die Varianz der ungewichteten pdf könnte ein besseres Maß von Spikiness als die TMI sein, wenn in der Tat das nicht der Fall ist. Hier werden wir verwechselt. In 8220Damage Smoothing: Expertise, Mastery und Haste8221 geben Sie an: 8220Ist interessant, dass Set 5 (Mastery) eine viel bessere Arbeit als Set 6 (Hast). Es gibt uns eine geringere Gesamtschadeneinnahme und etwa die gleiche Standardabweichung, aber deutlich weniger der gefährlichen Spikes in den 80 und 90 Bereichen. Seine etwa doppelt so effektiv bei der Beseitigung dieser gefährlichen Ereignisse als die Eile gesetzt.8221 Als Statistiker, sehe ich diese beiden Sätze als gleich spikey. z. B. Zu mir, jemand, der 4 ungemilderte Treffer jedes Mal nimmt, ist glatt wie Seide. Für dich ist das EXTREM spikey was sinnvoll ist. TMI versucht, das Risiko von rarzerigen Ereignissen zu quantifizieren. Ich sehe die Größe des Schwanzes an und du siehst die Größe und die Position des Schwanzes an. In diesem Fall könnte das Upper 95-Konfidenzintervall auch eine nützliche Metrik sein, die sowohl den Mittelwert als auch die Varianz Mean 1.96 Standardabweichung berücksichtigt. Aber das wiederum geht davon aus, dass es eine gut definierte Mittelwert und Varianz Ihres ungewichteten pdf.