以"馬娘們的oπ率與尻率"為基準的統(tǒng)計資料(P4(Ch8-9): H的級別,各類圖表

2023-06-11 07:34 作者:yl12053 0人讀過 | 我要投稿

原公式來源及各標量含義來自

在此特別感謝原作者@無名者EX

0xff?前情提要

受CV24224968(@無名者EX)的啟發(fā)和內含的公式, 將資料初步處理可得出以下統(tǒng)計資料

各資料反映情況請自行查閱CV24224968

如非說明, 所有資料一律取自小數(shù)點后四位

所用符號與前篇相同

特別鳴謝katboi01/UmaViewer這個github專案

上一頁(P3): 節(jié)7

0x08?尻率與絕對尻率的級別化, 統(tǒng)計資料以及絕對尻率優(yōu)先的理由(題外話, 跳過不影響結果)

本項數(shù)據(jù)記為 $K_%7BH_n%7D$ ,? $K_%7BH_a%7D$

$0%20%5Cle%20K_%7BH_n%7D%2C%20K_%7BH_a%7D%20%5Cle%204$ , (將小-超大分別記為0-4)

$K_%7BH_n%7D%2C%20K_%7BH_a%7D%20%5Cin%20%5Cmathbb%7BZ%7D%5E%7B%2B%7D_%7B0%7D$

分級方式：

尻率≧60又絕對尻率≧23：超大又超翹

尻率54~60又絕對尻率19~23：又大又翹

尻率51~54又絕對尻率17~19：美而翹

尻率48~50又絕對尻率14.5~17：普通

尻率≦48又絕對尻率≦14.5：小

, 即

$K_%7BH_n%7D%3D%7B%5Cbegin%7Bcases%7D%0A4%26%7B%5Cmbox%7Bif%20%7D%7DH_n%5Cge%2060%5C%25%5C%5C%0A3%26%7B%5Cmbox%7Bif%20%7D%7DH_n%5Cge%2054%5C%25%5C%5C%0A2%26%7B%5Cmbox%7Bif%20%7D%7DH_n%5Cge%2051%5C%25%5C%5C%0A1%26%7B%5Cmbox%7Bif%20%7D%7DH_n%3E48%5C%25%5C%5C%0A0%26%7B%5Cmbox%7Bif%20%7D%7DH_n%5Cle48%5C%25%0A%5Cend%7Bcases%7D%7D$

$K_%7BH_a%7D%3D%7B%5Cbegin%7Bcases%7D%0A4%26%7B%5Cmbox%7Bif%20%7D%7DH_a%5Cge%2023%5C%25%5C%5C%0A3%26%7B%5Cmbox%7Bif%20%7D%7DH_a%5Cge%2019%5C%25%5C%5C%0A2%26%7B%5Cmbox%7Bif%20%7D%7DH_a%5Cge%2017%5C%25%5C%5C%0A1%26%7B%5Cmbox%7Bif%20%7D%7DH_a%3E14.5%5C%25%5C%5C%0A0%26%7B%5Cmbox%7Bif%20%7D%7DH_a%5Cle14.5%5C%25%0A%5Cend%7Bcases%7D%7D$

等等...怎么有一欄是0? 我還回去反復看了幾次我有沒有打錯Formula和sql(View真難寫...)

眾數(shù)( $K_%7BH_n%7D$ ) = 2(對應分級: 美/翹)

$Q_1(K_%7BH_n%7D)$ ?= 1(對應分級: 普通)

$Q_2(K_%7BH_n%7D)$ ?= 2(對應分級: 美/翹)

$Q_3(K_%7BH_n%7D)$ ?= 2

$Q_%5Ccolor%20%7Bred%7D%204(K_%7BH_n%7D)$ ?=?3(對應分級: 大/翹)

注意:? $%5C%7Bi%5Cvert%20%7BK_%5Ccolor%20%7Bred%7D%20%7BH_n%7D%7D_i%3D4%5C%7D%20%3D%20%5Ccolor%7Bred%7D%5Cemptyset$ , 或者 $%5Cforall%20x%20%5Cin%20K_%5Ccolor%20%7Bred%7D%7BH_n%7D%2C%20x%20%5Ccolor%20%7Bred%7D%20%7B%3C%204%7D$ , 也就是說

不存在任何記錄使得其使用尻率進行分級時等級為超大/超翹

眾數(shù)( $K_%7BH_n%7D$ ) = 1(對應分級: 普通)

$Q_1(K_%7BH_n%7D)$ ?= 1

$Q_2(K_%7BH_n%7D)$ ?= 1

$Q_3(K_%7BH_n%7D)$ ?= 2(對應分級: 美/翹)

$Q_%5Ccolor%20%7Bred%7D%204(K_%7BH_n%7D)$ ?=?3(對應分級: 大/翹)

注意:? $%5C%7Bi%5Cvert%20%7BK_%5Ccolor%20%7Bred%7D%7BH_a%7D%7D_i%3D4%5C%7D%20%3D%20%5Ccolor%7Bred%7D%5Cemptyset$ , 或者 $%5Cforall%20x%20%5Cin%20K_%5Ccolor%20%7Bred%7D%7BH_a%7D%2C%20x%20%5Ccolor%20%7Bred%7D%20%7B%3C%204%7D$ , 也就是說

不存在任何記錄使得其使用絕對尻率進行分級時等級為超大/超翹

注意到眾數(shù)的轉變從Rank 2?→ Rank 1, 使用單純的尻率去分級很可能會有比較明顯的誤差

考慮到 $%7BH_n%7D_i%20%5Cpropto%20%5Cfrac%20%7BH_i%7D%20%7BS_i%7D$ , 但是我們日常判斷梯隊卻是使用類似 $%5Cpropto%20%5Cfrac%20%7BH_i%20-%20W_i%7D%20%7BS_i%7D$ (剛剛好就是 $H_a$ 的定義)的方式, 因此原文也提到過如果 $%7BH_n%7D%20%5Cneq%20%7BH_a%7D$ 的話, 以 $H_a$ 為準。

題外話: 為什么取 $%5Ccolor%20%7Bred%7D%20%7BH_a%7D$ 不取 $%5Ccolor%20%7Bred%7D%20%7BH_n%7D$ ? (跳過不影響結果)

相比起剛剛提過的oπ率來說, 考慮尻反而更簡單: 只需要考慮周長差就可以

這次讓我們請出波旁和麥昆來進行解釋

波旁(最好衣服越緊越好，跟上面的B率不一樣, 這個很容易受到干擾(背和尻都是非常好的支點, 使得目視下的W會受到很大干擾)

首先是分析要從"大"和"翹"兩點說起

[第一點] 翹

那其實這點很好理解

說白了就是這兩條線的斜率

斜率(絕對值)越低,?代表越翹, 因為在一個單位的高度下降中橫向方向改變的越多

那這個斜率怎么求呢? 直接調最原始的定義就行

$Slope%3D%5Cfrac%20%7B%5Ccolor%20%7Bred%7D%20%7B%5CDelta%20y%7D%7D%20%7B%5Ccolor%20%7Bgreen%7D%20%7B%5CDelta%20x%7D%7D$ ,

$%5Ccolor%20%7Bgreen%7D%20%7B%5CDelta%20x%7D$ 的話用剛剛oπ率那部分相同的手法可以求得約等于 $%5Cfrac%20%7BH_i%20-%20W_i%7D%20%7B2%7D$ ,

, 而 $%5Ccolor%20%7Bred%7D%20%7B%5CDelta%20y%7D$ 的話，至少我目前還想不到一個甚至求精確值得方法，但是應該可以假設 $%5Ccolor%20%7Bred%7D%20%7B%5CDelta%20y%7D%20%5Cpropto%20S_i$ 。

注意 $H_a%3D%5Cfrac%20%7BH_i-W_i%7D%20%7BS_i%7D$ ,

$%5Cfrac%20%7B%5Ccolor%20%7Bred%7D%20%7B%5CDelta%20y%7D%7D%20%7B%5Ccolor%20%7Bgreen%7D%20%7B%5CDelta%20x%7D%7D%3DkS_i%5Ccdot%20%5Cfrac%20%7B2%7D%7BH_i%20-%20W_i%7D%3D%5Cfrac%20%7B2k%7D%20%7BH_a%7D$ , 而k是個常數(shù)。