GAME MATH LIBRARY
Limbo 確率の計算：Target 倍率・勝率・99% RTP
LINBEI Limbo の基本関係は P(win)=0.99/Target。Target が高いほど hit probability は反比例して下がります。
Wavelet Intelligence · 2026-09-25直接回答
LINBEI Limbo の基本関係は P(win)=0.99/Target。Target が高いほど hit probability は反比例して下がります。
要点
- 勝率
- P(win)=0.99/Target
- 初回 hit までの期待 rounds
- Target/0.99
- Target 範囲
- 1.01×–1,000,000×
- RTP
- 99%
01
Target と勝率は反比例
Target=T なら理想 hit probability は p=0.99/T。2×は49.5%、10×は9.9%、100×は0.99%です。
Target を変えても以前の結果が次 round の確率を変えることはありません。
02
平均待ち rounds は周期ではない
固定 p の幾何分布では最初の成功までの期待試行回数は1/p=T/0.99です。
10×なら約10.101 rounds ですが、最初に hit することも平均を大幅に超えることもあります。
03
Result multiplier と公式
Practice 参照モデルでは uniform random u を result≈0.99/u に変換し、倍率精度で離散化できます。result≥Target なら hit です。
LINBEI certification は Limbo を exact ideal + finite 52-bit discrete として有限 RNG も検証します。
04
高 Target は『そろそろ当たる』ではない
低 result が続いても高 Target への進捗が蓄積するわけではありません。各 round は新しい独立 sample です。
Target は variance を変えますが streak から次 round を予測できません。
EXAMPLE
Target 例
2× → 49.5% → E≈2.0202 rounds10× → 9.9% → E≈10.101 rounds100× → 0.99% → E≈101.01 rounds
よくある質問
10×なら10回に1回必ず当たる？
いいえ。期待待ち回数であり固定周期ではありません。
Target が高いほど RTP も高い？
いいえ。理想モデルでは P(win)×Target=0.99 です。
52-bit finite RNG はなぜ重要？
実際の RNG は離散なので、finite quantization 後も数理境界が保たれるか検証する必要があります。