arammeta

入门

如何阅读这份 Tier List

胜率、贝氏修正、样本数与分级门槛怎么算、怎么读,以及这些数字不能回答什么。

发布日期:2026-06-27

这份 tier list 把英雄依“贝氏修正后的胜率”分级,而不是单纯的原始胜率。原因很简单:小样本的原始胜率非常不稳。这篇说明每个数字怎么算、该怎么读,以及它不能回答什么问题。

资料从哪里来

Riot 的公开 API 不提供 Mayhem 大乱斗(queue 2400)的对局,所以一般的统计网站拿不到这个模式的资料。arammeta 的对局由玩家在自己电脑上的 League Client 收集,再整理成汇总统计。每一场记录双方各五位玩家的英雄、海克斯、装备与胜负,并用 Riot 的对局编号去除重复,同一场不会因为被多位玩家贡献而重复计算。网站只发布汇总后的数字,不公开任何玩家的身分资讯。

三个关键栏位

当原始胜率很高、但场次很低时,修正后的胜率会明显被往下压 — 这是刻意的保守,避免你追到只打了几场的假强势。

为什么不直接用原始胜率

胜负是机率事件。一只真实胜率 50% 的英雄,只打 100 场时,光靠运气就可能落在 40% 到 60% 之间;打到 10,000 场,范围才会缩到大约 49% 到 51%。如果直接照原始胜率排名,榜首永远是“刚好手气好的冷门英雄”,而不是真的强的英雄。

贝氏收缩的做法是替每只英雄加上一批“假想场次”,这些场次的胜率等于基准值:

修正胜率 =(实际胜场 + 假想场次 × 基准胜率)÷(实际场次 + 假想场次)

举例:假想场次设为 350、基准 50%。一只打了 100 场、赢 62 场的英雄,原始胜率 62%,修正后是(62 + 175)÷(100 + 350)≈ 52.7%。同样 62% 但打了 10,000 场的英雄,修正后仍有 61.6%。样本够大时,修正几乎不改变数字;样本小时,它挡住杂讯。

新版本刚上线、对局还不多的时候,英雄的基准会暂时参考上一个版本的表现;等本版累积到足够场次,就完全以本版资料为准,避免旧版本盖掉真正的平衡改动。

分级门槛

门槛是固定的胜率数字,不是“前几名”。因此每一级的英雄数量会随版本变动:一个版本可能有很多 OP,另一个版本可能一只都没有。相邻两级之间的差距只有 2 个百分点,贴著门槛的英雄换一批资料就可能升降一级,不必过度解读。

海克斯的数字怎么读

英雄页里的海克斯不是看“拿了这个海克斯的胜率”,而是看它相对于该英雄自身基准的差距(lift)。一只本来就 56% 胜率的英雄,任何海克斯看起来都很强;只有扣掉英雄本身的胜率,才看得出海克斯自己贡献了多少。

海克斯另外有一个方向问题:有些海克斯是在“已经赢的局”才容易被选到或发挥,胜率高不代表选了就会赢。排名因此同时看修正后的差距与选取率,样本太少的组合不会列出来。

这些数字不能回答什么

实际使用建议

先看分级,再看场次。OP 与 T1 的英雄在这个模式的平均表现明显较好;T3 上下的英雄差异很小,选自己熟的通常比追半个百分点有用。点开英雄页后,优先看差距大、场次也多的海克斯与装备;差距大但场次少的组合,把它当成值得一试的假设,而不是结论。

其他文章

所有文章

接著看数据