EDIT: Diese Antwort ist begrenzt durch die Beweise in der Reddit Post das OP ursprünglich verbunden mit. Neuere Beweise deuten darauf hin, dass es Unlock-Anforderungen gibt. Lesen Sie weiter für eine Vorsicht, warum Sie größere Stichprobengrößen benötigen, bevor Sie zu den Schlussfolgerungen springen. 🙂
Ich stimme mit Studoku zu. Allerdings sind zwei Dinge bemerkenswert:
Zuerst ist die genaue Wahrscheinlichkeit des Auftretens nur größer als 0,2%, da die Quoten, dass man solche Quests nicht 30 mal erhält, 0,813 ^ 30 = 0,002 (grob, es ist etwas höher).
Noch wichtiger war, dass die Analyse eine Stichprobengröße hatte, die nicht schrecklich groß ist. Für die Proportionen im Bereich von [p – 1.96 * sqrt (p * (1-p) / n), p + 1.96 * sqrt (p * (1-p) / n)] ergibt sich ein 95% Konfidenzintervall von 11,38% auf 26,02%. Dies bedeutet, dass Ihre Chancen des Versagens nur angenommen werden können (1-0.1138) ^ 30 = 2,67% mit 95% Vertrauen.
Während dies ist niedriger als 5% (für die Zwecke der häufigen Statistiken) ein Bayesian könnte darauf hindeuten, dass eine 2,67% Chance auf dieses Geschehen ist immer noch wahrscheinlicher als die Chancen nur von Ihrem Computer mit einem Bug oder Blizzard mit geheimen Freischaltung Anforderungen, die keine Man hat sich noch herausgefunden.
Jede Marke von Statistiker würde wahrscheinlich vorschlagen, dass die ursprüngliche Stichprobengröße viel zu klein war und dass mehr Tests erforderlich waren.
Erläuterung:
Die Formel, die verwendet wurde, um das Konfidenzintervall zu finden, ist hier aufgeführt. Ein Vertrauensintervall ist eine Art zu sagen, ich bin X% sicher, dass der wahre Anteil (oder Mittelwert) zwischen Y und Z liegt. In diesem Fall (wie es gewöhnlich üblich ist) wählte ich 95% für das Vertrauen. Dies bedeutet, dass bei unseren Beweisen 95% wahrscheinlich ist, dass der wahre Anteil zwischen 11,38% und 26,02% nach dieser Formel liegt.
Die Wahrscheinlichkeit, dass NICHT ein Ereignis erhält, ist: 1 – p wobei p die Wahrscheinlichkeit des Ereignisses ist. Die Wahrscheinlichkeit, dass NICHT ein Ereignis x mal erhält, ist (1 – p) ^ x . In diesem Fall wählte ich die konservative Seite des Konfidenzintervalls als p , 11,38%.
So habe ich (1 – 0.1138) ^ 30 als Komplement dieses Ereignisses 30 Mal passiert. Dies entspricht etwa 0,0267, was auf 2,67% entspricht, da Wahrscheinlichkeiten zwischen 0 und 1 liegen.
Frequentistische Statistik ist die klassische (ältere) Schule der Statistik, die einen bestimmten Wert (oft als Alpha bezeichnet) vor einem Experiment gesetzt, so dass, wenn die Wahrscheinlichkeit eines Ereignisses (oder einer Reihe von Ereignissen) geschieht, niedriger als das gewählte Alpha ist, werden sie eine ablehnen Alten Glauben an die Gunst eines neuen. In diesem Fall könnte der alte Glaube sein, dass das Originalplakat einfach Pech hatte, und der neue Glaube könnte sein, dass es einen anderen Mechanismus bei der Arbeit gibt, der seine Quests beeinflusst. Ein gemeinsamer Wert für Alpha ist 0,05 oder 5% Wahrscheinlichkeit.
Die Bayessche Statistik ist relativ neuere und verlässt sich nicht auf strenge Alpha-Werte für Annahme- oder Ablehnungskriterien. Stattdessen betrachten sie eine Reihe von vorherigen Verteilungen, was im Grunde bedeutet, dass sie mehr von dem Kontext einer Situation betrachten, um ihre Urteile am Ende eines Experiments zu bestimmen. Bayesische Statistiken ist ein bisschen schwieriger, weil die Berechnung der vorherigen Verteilungen oft schwierig oder zeitaufwendig sein kann. In diesem Fall habe ich nicht die Wahrscheinlichkeit angegeben, dass nur der Computer des Posters einen Fehler hat, aber ich (faul) nahm an, dass es extrem niedrig war. Für einen humorvollen Einblick in diese beiden Felder der Statistik, siehe XKCD .