arammeta

入門

如何閱讀這份 Tier List

勝率、貝氏修正、樣本數與分級門檻怎麼算、怎麼讀,以及這些數字不能回答什麼。

發布日期:2026-06-27

這份 tier list 把英雄依「貝氏修正後的勝率」分級,而不是單純的原始勝率。原因很簡單:小樣本的原始勝率非常不穩。這篇說明每個數字怎麼算、該怎麼讀,以及它不能回答什麼問題。

資料從哪裡來

Riot 的公開 API 不提供 Mayhem 大亂鬥(queue 2400)的對局,所以一般的統計網站拿不到這個模式的資料。arammeta 的對局由玩家在自己電腦上的 League Client 收集,再整理成彙總統計。每一場記錄雙方各五位玩家的英雄、增幅、裝備與勝負,並用 Riot 的對局編號去除重複,同一場不會因為被多位玩家貢獻而重複計算。網站只發布彙總後的數字,不公開任何玩家的身分資訊。

三個關鍵欄位

當原始勝率很高、但場次很低時,修正後的勝率會明顯被往下壓 — 這是刻意的保守,避免你追到只打了幾場的假強勢。

為什麼不直接用原始勝率

勝負是機率事件。一隻真實勝率 50% 的英雄,只打 100 場時,光靠運氣就可能落在 40% 到 60% 之間;打到 10,000 場,範圍才會縮到大約 49% 到 51%。如果直接照原始勝率排名,榜首永遠是「剛好手氣好的冷門英雄」,而不是真的強的英雄。

貝氏收縮的做法是替每隻英雄加上一批「假想場次」,這些場次的勝率等於基準值:

修正勝率 =(實際勝場 + 假想場次 × 基準勝率)÷(實際場次 + 假想場次)

舉例:假想場次設為 350、基準 50%。一隻打了 100 場、贏 62 場的英雄,原始勝率 62%,修正後是(62 + 175)÷(100 + 350)≈ 52.7%。同樣 62% 但打了 10,000 場的英雄,修正後仍有 61.6%。樣本夠大時,修正幾乎不改變數字;樣本小時,它擋住雜訊。

新版本剛上線、對局還不多的時候,英雄的基準會暫時參考上一個版本的表現;等本版累積到足夠場次,就完全以本版資料為準,避免舊版本蓋掉真正的平衡改動。

分級門檻

門檻是固定的勝率數字,不是「前幾名」。因此每一級的英雄數量會隨版本變動:一個版本可能有很多 OP,另一個版本可能一隻都沒有。相鄰兩級之間的差距只有 2 個百分點,貼著門檻的英雄換一批資料就可能升降一級,不必過度解讀。

增幅的數字怎麼讀

英雄頁裡的增幅不是看「拿了這個增幅的勝率」,而是看它相對於該英雄自身基準的差距(lift)。一隻本來就 56% 勝率的英雄,任何增幅看起來都很強;只有扣掉英雄本身的勝率,才看得出增幅自己貢獻了多少。

增幅另外有一個方向問題:有些增幅是在「已經贏的局」才容易被選到或發揮,勝率高不代表選了就會贏。排名因此同時看修正後的差距與選取率,樣本太少的組合不會列出來。

這些數字不能回答什麼

實際使用建議

先看分級,再看場次。OP 與 T1 的英雄在這個模式的平均表現明顯較好;T3 上下的英雄差異很小,選自己熟的通常比追半個百分點有用。點開英雄頁後,優先看差距大、場次也多的增幅與裝備;差距大但場次少的組合,把它當成值得一試的假設,而不是結論。

其他文章

所有文章

接著看數據