坦克世界数据分析2

《坦克世界数据分析2》由会员分享，可在线阅读，更多相关《坦克世界数据分析2（5页珍藏版）》请在装配图网上搜索。

1、坦克世界自己战斗数据的分析2坦克世界标准对战模式，击毁数量是和胜率呈线性关系，击毁数量越大那么胜率就越高。击毁数受到多种 因素的影响，而且彼此间相互关。通过对32种车辆的比较试验，对击毁数量及主要的其他统计数据进行分析，找 到影响击毁数量的主要原因。1数据来源试验数据来源于坦克世界自带的账号统计数据，数据截止于2018-7-3日。统计了自己西南电信一账号7级到 10级所有标准战斗场次40场以上的车辆的战斗数据。数据如下表1车辆名称幸存率装甲特性受到伤害战斗场次车辆等级对敌人伤害点亮敌人数击毁T-6213.210.2318141061011331.080.48T-1016.470.3915948

2、598980.750.38T-5422.940.181485523911652.110.71查涤纶25A30.460.011107765913291.341.09AMX139011.38094216797472.370.56WZ13210.640.049669484713.210.28IS-328.760.481267991812451.090.92IS-M28.130.46122416088060.690.56T-4429.90.1610892518810562.290.89ISU-15232.690.1396515686500.380.35su-14-238.940299154181721

3、0.031.26T34-B19.510.42135612386930.460.33猛犸28.761.071466123810640.670.6758号实验 车20.590.1311776885340.790.21莱茵38.920798388813470.40.88埃米尔I25.90.311228166811020.660.73若林40t18.750.03121348810840.960.79查涤纶12t9.740.0194134984622.120.33百夫长MK121.710.341274129882910.6WZ13113.40.0480919474992.430.39is26.240.3

4、31063151778341.160.72kv-1314.880103648476162.060.56T-4317.09098527576342.280.59SU-15220.980.1776514375900.410.54虎P22.730.39126719876720.820.59埃米尔26.830.0671020577300.430.65黑豹46.580.0120630779830.020.9leo17.290.0896113376901.190.63AMX13754.46064615772442.240.29AMX1375gf 6.250.018576475272.050.55若林155

5、36.960.0121292778100.7250彗星10.910.1108616576781.540.53表12结果分析2.1多元线性分析由表1:不同车辆之间击毁数量每场平均值为0.615,其中最大值为1.26是火炮su-14-2,次之是查涤纶25a为 1.09，第三是IS-3为0.92。击毁数量较高的还有黑豹，T-44，莱茵。对数据进行多元线性分析，得到线性公式：Y=0.88-1.17E-04*x1-0.12*x2+8.58E-04*x3+5.32E-02*x4丫=击毁数量，X1=自己坦克受到的伤害，x2=自己车辆等级，x3=对敌人的伤害，x4=自己点亮敌人的数量 多元线性显著性检验：变异

6、原因DFSSMSF多元回归41.660.4173.86离回归270.150.0056总和311.81F检验结果显著的回归关系F=73.86 F0.01=4.11 2.2下面进行偏回归分析：偏回归系数的检验F检验：F1=5.94349638076217F2=21.539836157105F3=221.891071364926F4=8.39252376318695变异原因DFSSMSFx1的偏回归13.33E-023.33E-025.94x2的偏回归10.120.1221.53x3的偏回归11.241.24221.89x4的偏回归14.70E-024.70E-028.39离回归270.155.60

7、E-03F检验结果F1:当AERF=0.05有显著的回归关系，AERF=0.01无显著回归关系FF1=5.94F0.05=4.2F2:显著的回归关系 FF2=21.54F0.01=7.68F3:显著的回归关系 FF3=221.89F0.01=7.68F4:显著的回归关系 FF4=8.39F0.01=7.687标准偏回归系数 PartialRegressionB(3)=-0.14标准偏回归系数 PartialRegressionB(5)=-0.38标准偏回归系数 PartialRegressionB(6)=1.07标准偏回归系数 PartialRegressionB(7)=0.172.3下面进行

8、复相关分析相关指数(correlation index)RA2=0.92复相关系数(multiple correlation coefficient)R=0.962.4下面进行偏相关分析偏相关系数 r(1,2)=.128494461899249t(1,2)=.673257965572162 对应 T1偏相关系数 r(1,3)=.333206984121732t(1,3)=1.83633396341189对应 T2偏相关系数 r(1,4)=.23986173198035t(1,4)=1.28383709793341对应 T3偏相关系数 r(1,5)=-.424752707857901t(1,5)

9、=-2.43792870707125对应 T4偏相关系数 r(2,3)=.767656329117607t(2,3)=6.22421201200827对应 T5偏相关系数 r(2,4)=.463056847362479t(2,4)=2.71469746869354 对应 T6偏相关系数 r(2,5)=-.666150019161909t(2,5)=-4.64110290309369对应 T7偏相关系数 r(3,4)=-.598542193326325t(3,4)=-3.88234965989824对应 T8偏相关系数 r(3,5)=.944202736916747t(3,5)=14.89600

10、85715914对应 T9偏相关系数 r(4,5)=.486956899592742t(4,5)=2.89698528874187对应 T10T检验结果T1:无显著的回归关系T0.05=2.0518T1=0.67T2:无显著的回归关系T0.05=2.0518T2=1.84T3:无显著的回归关系T0.05=2.0518T3=1.28T4:当AERF=0.05有显著的回归关系，AERF=0.01无显著回归关系T4=2.44T0.05=2.05T5:显著的回归关系T5=6.22T0.01=2.77T6:当AERF=0.05有显著的回归关系，AERF=0.01无显著回归关系T6=2.71T0.05=2

11、.05T7:显著的回归关系T7=4.64T0.01=2.77T8:显著的回归关系T8=3.88T0.01=2.77T9:显著的回归关系 T9=14.90T0.01=2.77T10:显著的回归关系 T10=2.90T0.01=2.772.5下面进行通径分析直接作用：B1=-.176304634236024B2=-.390985626709248B3=1.12940262692643B4=.187234062053532间接作用：P(1,2,y)=-.232708526037012P(1,3,y)=.101841937505076P(1,4,y)=3.01185169680192E-02P(2,1

12、,y)=-.104933759104831P(2,3,y)=.548356703642056P(2,4,y)=5.72248451963371E-03P(3,1,y)=-1.58979668664168E-02P(3,2,y)=-.189834505713145P(3,4,y)=-7.99297468897793E-02P(4,1,y)=-2.83604065389551E-02P(4,2,y)=-1.19497978717316E-02P(4,3,y)=-.482139121038092Dy(1)=3.10833240530982E-02Dy(1,2)=8.20551831331194E-0

13、2Dy(1,3)=-.035910411083441Dy(1,4)=-1.06200682355562E-02Dy(2)=.152869760293223Dy(2,3)=-.428799178867413Dy(2,4)=-4.4748183924859E-03Dy(3)=1.27555029370832Dy(3,4)=-.180545732213763Dy(4)=3.50565939930659E-02Dye=8.37350536118302E-02 Pye=.28937009799188 影响Y的重要因素： |dy3|=1.27555029370832|dy(2,3)|=.428799178

14、867413|dy(3,4)|=.180545732213763|dy2|=.152869760293223|dy( 1,2)|=8.20551831331194E-02|dy(1,3)|=.035910411083441|dy4|=3.50565939930659E-02|dy1|=3.10833240530982E -02|dy(1,4)|=1.06200682355562E-02|dy(2,4)|=4.4748183924859E-03 通径系数显著性检验：T1:当 AERF=0.05 有显著的回归关系，AERF=0.01 无显著回归关系 T1=2.43792870707127T0.05

15、=2.0518T2:显著的回归关系 T2=4.64110290309372T0.01=2.7707T3:显著的回归关系 T3=14.8960085715914T0.01=2.7707T4:显著的回归关系 T4=2.89698528874189T0.01=2.7707通径系数差异性检验T检验：无显著的回归关系 T0.05=2.0518|t(1,2)|=1.52753129357783显著的回归关系 |t(1,3)|=-14.1764166077964T0.01=2.7707 显著的回归关系 |t(1,4)|=-3.67279183795084T0.01=2.7707 显著的回归关系 |t(2,3

16、)|=-10.735392258367T0.01=2.7707 显著的回归关系 |t(2,4)|=-4.95959712985209T0.01=2.7707 显著的回归关系 |t(3,4)|=13.0673525716951T0.01=2.7707 3结论3.1多元线性分析结果：显著的线性关系公式：Y=0.88-1.17E-04*x1-0.12*x2+8.58E-04*x3+5.32E-02*x4丫=击毁数量，X1=自己坦克受到的伤害，x2=自己车辆等级，x3=对敌人的伤害，x4=自己点亮敌人的数量 由公式可以知道，如果自己要有效的杀伤敌人获取战斗的更多胜利，要让自己少受到伤害，选择7级的车辆

17、而不是 8级或者9,10级车辆，多对敌人造成伤害，多点亮敌人而不被敌人发现。其实多造成伤害减少自己伤害是非常显而 易见的，重要的是车辆等级和点亮敌人数量就比较隐晦了。幸存率和装甲特性还有战斗场次都被剔除掉了，没有显 著的多元线性关系。当X2,X3,X4保持不变的情况下，自己每多受到1000点伤害击毁数量就少去0.117辆，这个效 果很微弱了，坦克的血量也就最多2000多,这个结论也就只能在212-1814这个值之间生效。当X1,X3,X4保持不变的 情况下，车辆等级每上升一级就少去击毁数量0.12辆，高级车辆击毁数的减少，不知道是自己不善于玩高级车，还 是高手都在用10级车，原因还要进一步分析

18、。在X1,X2,X4保持不变的情况下，敌人每多受到1000点伤害击毁数量 就多0.858辆，这个非常可观了，每多击毁一辆敌人坦克就可以让胜率提高11.6%10.858*11.6%=9.95%,也就是说 244-1721数值之间每多造成1000点伤害会让胜率提高9.95%。X1,X2,X3保持不变的情况下，每场多点亮敌人1个 会提高击毁数量0.0532辆，这个值效果也比较微弱点亮数最高也就3.21,3.21*0.0532=0.17也就是说点亮最多的提高 了击毁数量0.17辆。PartialRegressionB(3)=-0.14PartialRegressionB(5)=-0.38Partial

19、RegressionB(6)=1.07PartialRegressionB(7)=0.17标准偏回归系数自己受到伤害 标准偏回归系数自己车辆等级 标准偏回归系数对敌人伤害 标准偏回归系数点亮敌人数 标准偏回归系数去除了单位，可观的评价了各因素对击毁数的作用，对敌人伤害每增加一个标准差单位，击毁数就 增加1.07个标准差单位，对敌人伤害是对击毁数效应最大的变量。3.2通径分析结果：通径系数相对重要性影响的排列：正效应 Py3=1.12940262692643 正效应 Py4=.187234062053532 负效应 Py1=-.176304634236024 负效应 Py2=-.39098562

20、6709248决定系数最大值为:|dy3|=1.27555029370832,说明|dy3|=1.27555029370832是影响Y值第一因素X2与Y的相关系数为正数5.81598023476106E-02；直接作用为Py2=-.390985626709248两者符号相反：因为 P(2,1,y)=-.104933759104831因为 P(2,3,y)=0.548356703642056因为 P(2,4,y)=5.72248451963371E-03这些间接作用混杂在与Y的相关系数中，其中正间接通径系数掩盖了对Y的负效应将其夸大为正值 所以自己车辆的等级和击毁数量呈负相关。X4与Y的相关系数

21、为负数-0.335215263395246；直接作用为Py4=0.19两者符号相反：因为 P(4,1,y)=-2.83604065389551E-02因为 P(4,2,y)=-1.19497978717316E-02因为 P(4,3,y)=-0.482139121038092这些间接作用混杂在与Y的相关系数中，其中负间接通径系数掩盖了对Y的正效应将其夸大为负值 所以点亮敌人数量是和击毁敌人数量正相关。相关指数RA2=0.9163,说明4个因素决定Y的总变异的91.63%，只有8.37%由于试验误差或者未知因素影响。3.2总结：通过通径分析发现每场战斗击毁的敌人坦克数量主要由对敌人的伤害值决定。说明自己的战斗胜率的提高，需 要提高击毁敌人数量1，而击毁敌人数量需要自己每场对敌人车辆造成多的伤害值，这是非常显而易见的结论。 但是同时选择7级车辆，增加点亮敌人数量，减少受到敌人伤害，也同时能够增加击毁敌人的数量。1 zhannghong2003 .坦克世界自己战斗数据的分析1.2018-7-4