如果你讀過我之前的文章，你知道波動率分「低、中、高」。但這些標籤到底代表什麼？背後的數學定義是什麼？今天我要用統計學裡的兩個核心概念 — 方差和標準差 — 來給你更精確的答案。
這篇內容比較偏「硬核」，但如果你跟我一樣喜歡用數字理解世界，你會覺得很有收穫。
方差與標準差基礎
先快速複習統計學的基礎：
- 平均值（Mean）：所有結果的加權平均。對老虎機來說就是 RTP。
- 方差（Variance）：每個結果與平均值之間差異的平方的加權平均。衡量「離散程度」。
- 標準差（Standard Deviation, SD）：方差的平方根。跟原始數據同單位，更直觀。
// variance_formula
Variance = sum(p_i * (x_i - mean)^2)
SD = sqrt(Variance)
其中 p_i = 結果 i 的機率，x_i = 結果 i 的回報，mean = RTP
例：一台 RTP 96% 的老虎機，如果 SD = 5.0，意味著單次旋轉的回報有約 68% 的機率落在 -4.04 到 +5.96 之間（以投注額為單位）。
標準差的直觀意義
對玩家來說，標準差代表「你的實際體驗偏離預期值（RTP）的程度」。
SD = 3 的低波動機台：你每次旋轉的結果大部分集中在「小贏小輸」。
SD = 15 的高波動機台：你每次旋轉的結果可能從「完全沒中」到「贏了 500 倍」都有。
關鍵：累積 N 次後的標準差
這是最實用的概念。如果你玩了 N 次旋轉，你的總回報的標準差是：
SD(total) = SD(single) x sqrt(N) x bet
而你的期望損失是：
Expected Loss = N x bet x (1 - RTP)
變異係數（CV）
變異係數 = SD / Mean。它衡量的是「相對於預期回報，波動有多大」。
對老虎機來說，因為 Mean（RTP）通常在 0.94~0.97 之間（接近 1），所以 CV 基本上就約等於 SD。但在比較不同投注額的遊戲時，CV 是更好的指標。
信賴區間應用
用標準差我們可以計算：在 N 次旋轉後，你的實際 RTP 會落在什麼範圍。
| 旋轉次數 | 低波動（SD=3） | 中波動（SD=7） | 高波動（SD=13） |
|---|---|---|---|
| 100 次 | 96% ± 30% | 96% ± 70% | 96% ± 130% |
| 1,000 次 | 96% ± 9.5% | 96% ± 22% | 96% ± 41% |
| 10,000 次 | 96% ± 3% | 96% ± 7% | 96% ± 13% |
| 100,000 次 | 96% ± 0.95% | 96% ± 2.2% | 96% ± 4.1% |
以上為 95% 信賴區間（約 2 個標準差）
高波動機台（SD=13）在 100 次旋轉後，你的實際 RTP 可能從 -34% 到 226%。是的，你沒看錯 — 短期內幾乎什麼都可能發生。
實際應用場景
場景 1：判斷「這台是不是被調低了」
你玩了 500 次旋轉，實際 RTP 只有 82%。這台是不是有問題？
如果是中波動（SD=7）的遊戲：500 次後的標準差 = 7 / sqrt(500) ≈ 0.31。95% 信賴區間 = 96% ± 62%。82% 落在這個範圍內，所以這是正常的波動。
結論：500 次旋轉完全不夠判斷一台機的「真實 RTP」。
場景 2：需要多少次旋轉才能「驗證」RTP
如果你想把實際 RTP 的誤差控制在 ±1% 以內（95% 信心水準），需要的旋轉次數：
- 低波動（SD=3）：約 360,000 次
- 中波動（SD=7）：約 1,960,000 次
- 高波動（SD=13）：約 6,760,000 次
關鍵結論
- 方差和標準差是波動率的數學定義，不只是「高、中、低」的標籤
- 短期結果偏離 RTP 是正常的，偏離程度取決於標準差
- 你需要的旋轉次數遠超想像才能看到「真實 RTP」
- 不要用個人經驗判斷機台好壞，那是統計上不可靠的
結論
方差和標準差不是學術上的抽象概念 — 它們直接決定了你每次走進（或登入）娛樂城時的體驗。理解這些數學，你就能用更理性的態度面對贏和輸。數字不會騙你，但你的直覺會。