Bordspelwiskunde: waarschijnlijkheid, verwachte waarde en waarom dobbelstenen zich oneerlijk voelen

Elk bordspelmechanisme heeft een wiskundige identiteit. Een dobbelsteenworp heeft een verwachte waarde en een variantie. Een kaarttrekking heeft een waarschijnlijkheidsverdeling. Een grondstoffenhandel heeft een wisselkoers die kan worden uitgedrukt als een verhouding. Ontwerpers die deze wiskunde begrijpen, nemen betere beslissingen dan ontwerpers die op gevoel werken – niet omdat wiskunde de intuïtie vervangt, maar omdat intuïtie het vaak niet eens is met de werkelijkheid op een manier dat testen alleen maar langzaam te corrigeren is.

Dit artikel behandelt de wiskundige concepten die er het meest toe doen bij het ontwerpen en spelen van bordspellen: waarschijnlijkheidsverdelingen, verwachte waarde, variantie en de psychologische kloof tussen wat de wiskunde zegt en wat spelers ervaren. Of je nu een spel ontwerpt of gewoon probeert te begrijpen waarom je dobbelsteensessies zo catastrofaal ongelukkig aanvoelen, het raamwerk hier zal de manier veranderen waarop je denkt over willekeur in games.

Waarom wiskunde belangrijk is bij het ontwerpen van games

Een gameontwerper die de verwachte waarde van de kernactie-economie van zijn game niet heeft berekend, weet niet of zijn game werkt. Dit klinkt hard, maar functioneel is het waar. Als het verwachte inkomen uit de best beschikbare actie 4 grondstoffen per ronde bedraagt en de kosten van de actie op basis van overwinning 30 grondstoffen zijn, moet de ontwerper weten of dat inkomen haalbaar is gedurende de normale duur van het spel – vóór het testen, en niet na zes sessies waarbij hij zich afvraagt waarom niemand ooit wint.

Wiskunde en speltesten zijn complementaire hulpmiddelen, geen alternatieven. Wiskunde vertelt je wat de theorie voorspelt. Door middel van playtests kun je zien of menselijk gedrag overeenkomt met de theorie. Meestal lopen ze uiteen – niet omdat de wiskunde verkeerd is, maar omdat spelers niet altijd de theoretisch optimale actie kiezen. De kloof tussen theoretisch optimaal spel en feitelijk menselijk spel is zelf een ontwerpvariabele: een spel waarin alleen optimaal spel interessante beslissingen oplevert, is een slechter spel dan een spel waarin suboptimaal spel ook interessante situaties creëert.

Elke monteur heeft een verwachte waarde, en ontwerpers moeten dat weten. Wanneer een Neutronium: Parallel Wars-speler inkomsten verkrijgt uit Nuclear Port's, ontvangt hij een nauwkeurig berekende verwachte waarde per poort per ronde. Wanneer ze ervoor kiezen om aan te vallen in plaats van te bouwen, nemen ze een beslissing met berekenbare verwachte resultaten onder verschillende scenario's. De ontwerper die deze cijfers kent, kan zinvolle evenwichtsbeslissingen nemen; de ontwerper die dat niet doet, raadt.

De kritische asymmetrie is dat willekeur oneerlijk aanvoelt, zelfs als deze in evenwicht is. Een 50/50 muntopgooi levert zes keer achter elkaar kop op, ongeveer 1,6% van de tijd – zelden, maar niet onmogelijk. Wanneer dat bij een speler in een spel gebeurt, ervaren zij het als het breken van het spel, en niet als een normale statistische gebeurtenis. Begrijpen waarom dit gebeurt – en hoe ontwerpers willekeur kunnen structureren om zich minder straffend te voelen terwijl ze dezelfde onderliggende waarschijnlijkheden behouden – is de meest praktisch waardevolle toepassing van de wiskunde voor game-ontwerp.

Dobbelstenen Kans 101

De single d6 is de meest gebruikte randomisatietool in bordspellen en ook een van de meest onbegrepen. Een standaard d6 levert een uniforme verdeling op: elk gezicht (1 tot en met 6) heeft een kans van 1/6 om te voorkomen, en de verwachte waarde is 3,5. Spelers begrijpen dit intuïtief, maar begrijpen vaak niet wat het betekent voor herhaalde rolls tijdens een sessie.

Het onderscheid single d6 versus 2d6 is van fundamenteel belang om te begrijpen waarom verschillende dobbelstenenmechanismen anders aanvoelen. Eén enkele d6 heeft een vlakke waarschijnlijkheidsverdeling: elke uitkomst van 1 tot 6 is even waarschijnlijk.Twee d6 opgeteld levert een belcurve op: 7 is het meest waarschijnlijke resultaat (waarschijnlijkheid 6/36 = 16,7%), terwijl 2 en 12 elk een waarschijnlijkheid 1/36 = 2,8% hebben. De 2d6-verdeling concentreert de uitkomsten in de buurt van het midden en maakt extreme resultaten zeldzaam. Dit is de reden waarom Catan, dat 2d6 gebruikt voor de productie van hulpbronnen, zich minder straff voelt bij individuele worpen dan bij systemen met één dobbelsteen – de verdeling beperkt uiteraard extreme uitkomsten.

Aangepaste dobbelstenen met niet-standaard vlakverdelingen geven ontwerpers nauwkeurige controle over waarschijnlijkheidsprofielen die standaard dobbelstenen niet kunnen bieden. Een dobbelsteen met de vlakken [0, 0, 0, 1, 1, 2] heeft een heel ander karakter dan een d6: hij produceert 50% van de tijd nul, 33% van de tijd één en 17% van de tijd twee, met een verwachte waarde van 0,67. Neutronium: Parallel Wars maakt gebruik van aangepaste D6-dobbelstenen met kleurgecodeerde gezichten: blauwe gezichten vertegenwoordigen standaard gevechtsresultaten, rode gezichten vertegenwoordigen kritieke resultaten en groene gezichten vertegenwoordigen triggers voor speciale vaardigheden. De verdeling van de gezichtstypen – en niet alleen het aantal gezichten – bepaalt de waarschijnlijkheid van elke uitkomst. Een dobbelsteen met drie blauwe vlakken, twee rode vlakken en één groen vlak levert 50% van de tijd blauwe resultaten op, rood 33% en groen 17%. De ontwerper kan deze verhoudingen aanpassen door het aantal gezichten te veranderen in plaats van wiskundig complexe resolutiesystemen te creëren.

Exploderende dobbelstenen zijn dobbelstenen die, bij het gooien van de maximale waarde, opnieuw worden gegooid en de resultaten worden opgeteld. Een d6 die explodeert op 6 heeft een verwachte waarde van (1+2+3+4+5+6)/6 + (1/6 × verwachte waarde van een d6) = 3,5 + (1/6 × 3,5) = 3,5 + 0,583 = 4,083. Het open karakter zorgt voor theoretisch grenzeloze resultaten – een gelukkige reeks explosies kan zeer hoge totalen opleveren – wat de ‘geluksgevoel’-momenten oplevert die sommige games opzettelijk cultiveren. De wisselwerking is een hoge variantie en af en toe een spelbepalende geluksworp.

Gebonden dobbelstenen zijn de tegenovergestelde filosofie: de maximale uitkomst beperken om de variantie te beperken. Dice pool-systemen waarbij je meerdere dobbelstenen gooit en alleen de beste N-resultaten pakt (voordeelsystemen zoals het voordeelmechanisme van D&D 5E, of Gumshoe's hoogste dobbelstenen met meerdere dobbelstenen) verminderen de variantie wiskundig terwijl het probabilistische gevoel behouden blijft. Door de hoogste van twee d6-worpen te nemen, verschuift de verwachte waarde van 3,5 naar 4,47 – een verbetering van 28% – terwijl de kans op lage uitkomsten aanzienlijk wordt verkleind.

Verwachte waarde in bronnenspellen

Hulpbronnenaccumulatiespellen – euro's, motorbouwers, economische strategieën – zijn gebaseerd op berekeningen van de verwachte waarde die de ontwerper nauwkeurig moet begrijpen, zelfs als deze nooit expliciet in het spelregelboek voorkomen. Wanneer een speler tussen twee acties kiest, vergelijkt hij (al dan niet bewust) de verwachte waarde van die acties over de relevante tijdshorizon.

Neutronium: Parallel Wars's Nuclear Port inkomenssysteem is een expliciet voorbeeld van ontworpen verwachte waarde. De inkomensformule stelt vast dat een speler met N Nuclear Ports inkomen ontvangt met een snelheid die niet-lineair schaalt met N. De specifieke formule: 1 poort levert 2 Neutronium-eenheden per ronde op; 10 poorten leveren 220 Nn per ronde op — is niet toevallig.Het is de expliciete verklaring van de ontwerper dat de accumulatie van havens exponentieel in plaats van lineair rendement zou moeten opleveren, omdat exponentieel rendement de coalitiedrempel creëert die de concurrentiedynamiek van het spel aandrijft.

Deze formule is een opzettelijk spelontwerp, uitgedrukt als wiskunde. De kloof tussen de inkomsten uit zeven havens (42 Nn/ronde) en de inkomsten uit tien havens (220 Nn/ronde) is het economische argument waarom coalities zich vormen op de drempel van zeven havens in plaats van te wachten tot er negen of tien havens zijn. Bij 7 havens heeft de speler voldoende inkomsten om bedreigend te zijn, maar coalitie-actie kan nog steeds doorslaggevend zijn voordat het inkomensvoordeel wiskundig onoverkomelijk wordt. Een ontwerper die alleen door middel van speltesten tot deze cijfers kwam, zou ze ongeveer goed kunnen krijgen; een ontwerper die de exponentiële functie vanaf het begin begreep, kon de drempel nauwkeurig specificeren.

Het bredere principe: wanneer exponentiële schaling een opzettelijk spelontwerp is, moet de ontwerper de schalingsfunctie documenteren en verifiëren dat de drempels die hierdoor worden gecreëerd, daar zijn waar ze ze willen hebben. Als de coalitiedrempel op zes havens zou moeten liggen in plaats van op zeven, moet de inkomensformule worden aangepast – wat vereist dat we weten wat de formule is, en niet alleen moeten observeren dat “het spel evenwichtig aanvoelt.”

Variantie en spelersperceptie

Variantie is de maatstaf voor de mate waarin de werkelijke uitkomsten zich rond de verwachte waarde verspreiden. Hoge variantie betekent dat individuele resultaten dramatisch kunnen verschillen van de verwachting; lage variantie betekent dat de resultaten strak rond het gemiddelde liggen. Voor spelontwerpers is variantie een bedieningsknop die zowel de wiskundige eerlijkheid van het spel als de subjectieve ervaring van het spelen ervan beïnvloedt.

Het belangrijkste psychologische inzicht: hoge variantie voelt slecht, zelfs als deze wiskundig in evenwicht is. Het opgooien van munten is volkomen eerlijk – 50/50, de verwachte waarde is voor beide spelers exact gelijk – maar het spelen van een spel waarbij elke beslissing wordt opgelost door het opgooien van munten voelt willekeurig en onbelonend. Spelers moeten het gevoel hebben dat hun beslissingen er toe doen, wat betekent dat ze het causale verband tussen goede beslissingen en goede resultaten nodig hebben om waarneembaar te zijn tijdens de spelsessie. Hoge variantie verbreekt die verbinding.

Het 7 versus 2 Catan hex-probleem illustreert dit duidelijk. In Catan wordt het getal 7 op de meeste vakken gedrukt omdat dit de hoogste waarschijnlijkheid heeft met 2d6 (16,7%). Het getal 2 wordt op de minste velden gedrukt (2,8%). Ervaren spelers weten hoe ze grondstoffen moeten prioriteren op 6s, 8s, 5s en 9s – hexen met een hoge waarschijnlijkheid. Maar in een bepaalde sessie kan een speler die zijn initiële nederzettingen correct op deze velden plaatst, nog steeds aanzienlijk minder presteren dan een speler met een lagere waarschijnlijkheid als de daadwerkelijke dobbelsteenworpen afwijken van de verwachte waarden. Dit is niet oneerlijk – het is normale statistische variatie.Maar het voelt oneerlijk omdat de relatie tussen de beslissing (goede plaatsing) en de uitkomst (frequente inkomsten uit middelen) wordt verdoezeld door variantie.

De ontwerpoplossingen voor het beheersen van waargenomen oneerlijkheid door variantie zijn onder meer: mitigatiemechanismen (herrollen, grondstoffenbanken, inhaalmechanismen die worden geactiveerd bij pechruns), beslissingspunten die zelfs na pech betekenisvol blijven (dus een speler die slecht stil rolt heeft interessante keuzes), en variantie die de voorkeur geeft aan achterlopende spelers (inhalen via variantie: de leidende speler wil een stabiel, voorspelbaar inkomen; achterblijvende spelers profiteren van benaderingen met hoge variantie die de kloof snel kunnen dichten, ook al is de verwachte waarde hetzelfde).

Kingmaker-momenten vanaf dobbelstenen – waarbij een willekeurige worp bepaalt welke speler wint of verliest in de laatste ronde – zijn de schadelijkste variantie-uitkomsten voor de tevredenheid van spelers. De oplossing is niet het elimineren van dobbelstenen, maar het structureren van het late spel zodat de uitkomsten van de dobbelstenen de weg naar de overwinning beïnvloeden in plaats van deze direct te bepalen. Wanneer meerdere spelers levensvatbare winnende posities hebben bij het ingaan van de laatste ronde, is een geluksworp bevredigend voor de winnaar, maar voelt het niet onwettig aan voor de verliezers – omdat de verliezers ook een pad hadden om te winnen dat mogelijk gemaakt had kunnen worden door hun eigen geluksworpen.

Balanstesten met wiskunde

Het MEQA-framework (Meetbaarheid, Betrokkenheid, Kwaliteit, Toegankelijkheid) biedt een gestructureerde aanpak voor het testen van de spelbalans. De Meetbaarheidspijler – de M in MEQA – is waar wiskunde formeel deel uitmaakt van het ontwerpproces: voordat het testen begint, definieert de ontwerper wat 'evenwichtig' betekent in meetbare termen.

Voor een spel met asymmetrische facties zoals Neutronium: Parallel Wars betekent meetbaar evenwicht: elke factie moet een winstpercentage behalen binnen een gedefinieerde tolerantieband over een voldoende aantal games met vergelijkbare vaardigheidsniveaus. Als het doel een winstpercentage van 50% is (puur saldo) met een acceptabel bereik van ±10%, dan valt een factie die 42% van de games wint binnen de tolerantie en een factie die 63% wint niet. Maar om deze norm te bereiken is het nodig dat je het doel kent voordat je gaat testen. Je hoeft niet achteraf te verklaren dat de waargenomen winstpercentages ‘dichtbij genoeg’ zijn.

Metrieken definiëren voordat u gaat spelen verandert wat u waarneemt. Als u weet dat u het winstpercentage per factie meet, houdt u de factietoewijzingen en -resultaten tijdens sessies bij. Als u weet dat u de gemiddelde spelduur meet, legt u tijdstempels vast. These decisions must be made before the first playtest session, because retrospective metrics are unreliable — memory is selective and humans naturally remember sessions that support existing beliefs.

Vereisten voor de monstergrootte voor balansconclusies zijn vaak groter dan ontwerpers verwachten. Voor een spel voor 2 spelers met 2 facties bieden 30 spellen basisgegevens voor het detecteren van onevenwichtigheden groter dan 15% met een betrouwbaarheid van 80%. Voor games voor 4 spelers met 6 facties is de combinatieruimte veel groter: 30 games geven je ongeveer 5 games per factiepaar – nauwelijks voldoende om extreme onevenwichtigheid te detecteren, en onvoldoende om subtiele voordelen te detecteren.Indie-uitgevers beschikken zelden over de middelen voor rigoureuze statistische validatie; de praktische aanpak is het gebruik van wiskunde om verwachte waarden te verifiëren, playtests om uitschieters op te sporen en feedback van de gemeenschap na de release om overgebleven problemen te identificeren.

Voor het volledige raamwerk – inclusief hoe Meetbaarheid integreert met de andere MEQA-pijlers – zie de MEQA raamwerkgids voor spelbalans, die de volledige aanpak omvat voor het definiëren, meten en bereiken van balans tussen spelsystemen.

De inkomensschaalformule in Neutronium sluit rechtstreeks aan op het mechanische detail op /mechanics/nuclear-port-scaling, waar de exponentiële functie wordt gedocumenteerd naast de ontwerpredenering voor elke drempelwaarde.

Probabiliteitstools voor ontwerpers

Verschillende tools maken wiskunde van gameontwerp toegankelijk zonder dat daarvoor geavanceerde statistische training nodig is. Dit zijn degenen die in de praktijk werken.

AnyDice (anydice.com) is de standaard dobbelsteenwaarschijnlijkheidscalculator voor spelontwerpers. Het accepteert dobbelstenennotatie in natuurlijke taal (2d6, d4+d8, 3d6 behoudt de hoogste 2) en retourneert waarschijnlijkheidsverdelingen, verwachte waarden en cumulatieve kansen. Voor elke monteur die met dobbelstenen te maken heeft, zou AnyDice het eerste hulpmiddel moeten zijn dat wordt geraadpleegd. De uitvoergrafieken maken de verdelingen onmiddellijk leesbaar en vergelijkbaar. Plak twee verschillende dobbelsteenuitdrukkingen naast elkaar om meteen te zien hoe hun verdelingen verschillen.

Spreadsheet-simulaties (Google Spreadsheets, Excel) kunnen berekeningen uitvoeren die AnyDice niet kan: accumulatie van hulpbronnen over meerdere rondes, inkomsten uit meerdere bronnen, verwachte spellengte onder verschillende strategische aannames. Een basisspreadsheetmodel van de economie van een spel – met kolommen voor elke beurt, rijen voor elk type grondstof en formules die de kerninkomsten en bestedingsmechanismen van het spel weergeven – duurt 2 tot 3 uur om te bouwen en brengt evenwichtsproblemen aan het licht die meer dan 20 speeltests nodig zouden hebben om empirisch te ontdekken.

Monte Carlo-simulatie is het hulpmiddel met de hoogste precisie: het duizenden keren computationeel uitvoeren van de mechanica van een spel om statistische verdelingen over alle mogelijke uitkomsten te produceren. Voor ontwerpers met een programmeerachtergrond is Python met NumPy voldoende voor de meeste spelsimulatiebehoeften. Voor ontwerpers zonder programmeerachtergrond zijn er visuele Monte Carlo-tools en zelfs op spreadsheets gebaseerde simulaties die met beperkte technische kennis betekenisvolle resultaten opleveren. Monte Carlo is het meest waardevol voor games met complexe onderlinge afhankelijkheden waarbij analytische berekeningen moeilijk zijn. Wanneer meerdere willekeurige gebeurtenissen op elkaar inwerken, levert simulatie betrouwbaardere verdelingsschattingen op dan handmatige berekeningen.

Wanneer moet je op wiskunde vertrouwen en wanneer moet je spelentesten: gebruik wiskunde om het theoretische evenwicht te verifiëren en duidelijke ontwerpfouten op te sporen voordat je investeert in speltesten. Gebruik playtests om te ontdekken hoe de menselijke psychologie in wisselwerking staat met de wiskunde: de plaatsen waar de optimale strategie verschilt van wat spelers daadwerkelijk doen, en de plaatsen waar de wiskunde evenwicht voorspelt, maar de ervaring oneerlijk aanvoelt. Beide zijn noodzakelijk. Geen van beide is op zichzelf voldoende.

Veelgestelde vragen